2026年，芯片行业‘AI for EDA’成为热点，对于一名数字IC后端工程师，学习并应用机器学习算法来优化布局布线（Place & Route）结果，需要掌握哪些Python数据科学库和EDA工具脚本接口？如何入门？
我是一名有3年经验的数字IC后端工程师，日常使用Synopsys/Cadence工具进行布局布线。最近看到很多关于‘AI for EDA’的新闻和论文，说可以用机器学习来预测绕线拥塞、优化单元摆放，甚至自动生成floorplan。我觉得这是未来的趋势，想提前学习一下。但我对机器学习只有很基础的了解。想问：1. 对于后端工程师来说，最有可能应用AI的环节是哪些？（比如congestion prediction, macro placement）2. 要实践这个方向，我需要重点学习哪些Python库（比如scikit-learn, PyTorch？）？3. 如何获取训练数据？是解析工具的报告文件（如DEF, LEF）吗？有没有开源的入门项目或者数据集可以练手？从传统脚本（Tcl）转向AI优化，这个学习曲线陡峭吗？
嵌入式学习者
