为促进EDA行业发展，为促进集成电路领域产学研融合，研究院致力于学界和产业各同僚互帮互助，现将北京大学EDA研究院EDA相关开源资源汇总如下，产学界相关人士可通过下述渠道获取。未来，研究院将会继续发布更多开源资源供大家使用。
可执行文件开源，https://github.com/PKU-IDEA/SAGERoute
资源简介：
SAGERoute是一款面向模拟集成电路的布线工具。该工具在模拟电路布线中考虑几何和电气约束，支持手工或自动布局作为输入，可在秒级生成布线方案，并在常见模拟电路上达到接近手工布线的性能。SAGERoute由北京大学团队发布并维护。研究院同时提供模拟/混合信号电路版图自动布线的定制化服务。
https://github.com/PKU-IDEA/OpenPARF
资源简介：
OpenPARF是一款面向FPGA芯片的布局布线工具。该工具基于深度学习包PyTorch开发，支持CPU和GPU计算平台。OpenPARF可以支持FPGA中常见的LUT、FF、DSP、BRAM、IO、Distributed
RAM、Shift等资源、SLICEL-SLICEM异构类型和时钟布线等约束。OpenPARF由北京大学团队发布并维护。
https://github.com/limbo018/DREAMPlace
资源简介：
DREAMPlace是一款基于深度学习框架的数字集成电路布局工具。该工具基于深度学习包PyTorch开发，支持CPU和GPU计算平台。利用GPU异构并行可以较传统CPU并行算法实现30倍以上效率提升。DREAMPlace初始版本由德克萨斯大学奥斯汀分校团队发布，后续版本由北京大学和香港中文大学团队发布并维护，现发布版本是4.0版本。
https://github.com/limbo018/OpenMPL
资源简介：
OpenMPL是一款面向多重掩膜光刻的版图分解工具。该工具支持三重和四重掩膜光刻下的版图分解任务，支持Stitch插入，并实现了包括ILP、SDP、LP、Dancing
Links等在内的多个主流算法。OpenMPL由北京大学、香港中文大学、德克萨斯大学奥斯汀分校等团队发布，目前由北京大学和香港中文大学团队维护。
发送邮件至opensource@pkueda.org.cn索取
资源简介：
针对先进工艺器件中的愈发显著的随机电报噪声（random
telegraph noise,
RTN）效应，北京大学团队建立了精确描述RTN效应的集约模型，涵盖准确的瞬态特性，尺寸、电压等依赖特性以及统计特性，并配合智能化的参数提取技术，同时，建立了高效的支持包含RTN效应电路仿真技术。
发送邮件至opensource@pkueda.org.cn索取
资源简介：
针对先进工艺模型开发以及DFR等高阶效应的建模，北京大学团队联合国内的相关企业，建立了先进模型接口（AMI）的技术标准，支持定制化模型，并支持模型与电路仿真器的融合。
发送邮件至opensource@pkueda.org.cn索取
资源简介：
针对先进工艺节点的可靠性设计（DFR），研究院团队建立了基于缺陷物理的可靠性集约模型，涵盖BTI和HCI等效应，并配合智能化的参数提取技术，同时建立了高效的电路可靠性仿真技术。研究院同时提供可靠性建模的定制化服务。
https://nanohub.org/publications/403/1
资源简介：
RRAM广泛应用于先进存储和存算一体芯片中，针对RRAM丰富的阻变特性，北京大学团队建立可精确描述RRAM电学特性的集约模型，可准确描述多值缓变、概率阻变、阈值突变等存算特性以及涨落等可靠性行为，模型支持采用SPICE进行与晶体管等其他元器件的混合电路仿真，开展存算功能的验证，实现速度和能耗的评估。
https://nanohub.org/publications/518/1
资源简介：
铁电电容FeCAP(Ferroelectric
Capacitance)是铁电随机存储器FeRAM、铁电晶体管FeFET等的基础结构。北京大学团队针对氧化铪基础的铁电电容建立可准确描述FeCAP电学特性的集约模型,涵盖部分极化、极化动态翻转、铁电畴随机翻转等特性在内的成核限制翻转行为,
并支持基于FeCAP的FeFET等铁电器件的电路仿真,开展新型存储、神经形态计算等的设计和验证。
https://github.com/PaulZHANG20/iMob_demo
资源简介：
iMoB是一款基于机器学习的自动建模工具，该工具基于深度学习包PyTorch开发，支持CPU计算平台。基于机器学习开发器件模型，建模精度高、速度快。当前开源版iMoB提供了微电子器件快速建模功能，提供先进节点FinFET样例数据、人工神经网络算法训练样例代码及简明的交互界面。程序主交互界面允许用户加载特定器件数据，使用ANN算法完成器件建模，并给出模型与原始数据的对比。iMoB由北京大学团队发布并维护。
还将陆续发布其它新兴器件的模型，敬请期待。
