第10章 EDA的未來#

EDA 正站在兩股浪潮的交會點：晶片複雜度持續指數成長，而機器學習開始接管過去依賴人類經驗的決策；同時開源工具鏈（OpenLane、OpenROAD、Yosys）讓演算法研究與教學第一次能直接接觸工業級流程。本章介紹 ML 在 EDA 的落地面貌、開源生態的版圖，並回頭總結全書演算法在實戰中的定位。讀者將看到 ML 如何以代理模型與搜尋策略兩種角色嵌入既有流程（而非取代它們），以及開源工具鏈如何讓本書每個演算法都有對應的工業級實作可查。最後一節以複雜度總表與「設計檢查單」收束全書，幫助你在面對新問題時，能從表示、複雜度、完備性三個軸快速選擇正確的演算法路線。