[发明专利]超大规模集成电路结构布局的优化方法、系统和电子设备有效
申请号: | 202111554532.6 | 申请日: | 2021-12-17 |
公开(公告)号: | CN114065693B | 公开(公告)日: | 2022-08-12 |
发明(设计)人: | 金宣黄;李运勇 | 申请(专利权)人: | 瑞安市和乐电子科技有限公司 |
主分类号: | G06F30/392 | 分类号: | G06F30/392;G06F30/398;G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06F115/12 |
代理公司: | 北京恒泰铭睿知识产权代理有限公司 11642 | 代理人: | 何平 |
地址: | 325200 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 超大规模集成电路 结构 布局 优化 方法 系统 电子设备 | ||
1.一种超大规模集成电路结构布局的优化方法,其特征在于,包括:
获取芯片布局图;
对所述芯片布局图基于块模块的网格化处理并基于所述芯片布局图中各个块模块与电源引脚之间在电源地线网络上的距离来构造初始距离矩阵;
使用卷积神经网络对所述初始距离矩阵进行空间编码以获得用于表示电流密度的空间关系的特征分布的编码距离矩阵;
以所述编码距离矩阵中各个位置的特征值中的最大值作为最大值对所述编码距离矩阵中各个位置的特征值进行基于最大值的归一化处理以获得电流密度特征矩阵;
基于所述编码距离矩阵来构造电阻特征矩阵;
计算所述电阻特征矩阵中各个位置在其水平方向和垂直方向上的其他位置的特征值的分布确定该位置的连通域,并以该位置的所述连通域中各个位置的特征值来作为该位置对应的水平方向和垂直方向上的块电阻特征值,以获得块电阻特征值特征矩阵;
基于所述电流密度特征矩阵中各个位置的特征值,计算所述块电阻特征值特征矩阵中的各个位置的电压降特征值,以获得电压降特征矩阵;以及
将所述电压降特征矩阵输入分类器以获得用于表示芯片布局图是否满足各模块的电压降条件的分类结果;
基于所述电流密度特征矩阵中各个位置的特征值,计算所述块电阻特征值特征矩阵中的各个位置的电压降特征值,以获得电压降特征矩阵,包括:
基于所述电流密度特征矩阵中各个位置的特征值,以如下公式计算所述块电阻特征值特征矩阵中的各个位置的电压降特征值,以获得所述电压降特征矩阵;
其中,所述公式为:
其中是所述电流密度特征矩阵中的相应位置的特征值,和分别是预定位置在宽度和高度维度上的路径距离,且,和。
2.根据权利要求1所述的超大规模集成电路结构布局的优化方法,其中,对所述芯片布局图基于块模块的网格化处理并基于所述芯片布局图中各个块模块与电源引脚之间在电源地线网络上的距离来构造初始距离矩阵,包括:
对所述芯片布局图进行网格化处理以确定所述芯片布局图中各个块模块的网格位置;以及
在对应的所述网格位置中填入对应的所述块模块与所述电源引脚之间在电源地线网络上的距离以获得所述初始距离矩阵。
3.根据权利要求2所述的超大规模集成电路结构布局的优化方法,其中,使用卷积神经网络对所述初始距离矩阵进行空间编码以获得用于表示电流密度的空间关系的特征分布的编码距离矩阵,包括:
所述卷积神经网络除最后一层以外的其他层以如下公式对所述初始距离矩阵进行空间编码以获得特征图,其中,所述公式为:
其中,为第i层卷积神经网络的输入,为第i层卷积神经网络的输出,为第i层卷积神经网络的过滤器,且为第i层神经网络的偏置矩阵,表示非线性激活函数;以及
所述卷积神经网络的最后一层对所述特征图进行沿通道维度的全局池化处理以获得所述编码距离矩阵。
4.根据权利要求3所述的超大规模集成电路结构布局的优化方法,其中,基于所述编码距离矩阵来构造电阻特征矩阵,包括:
将所述编码距离矩阵中各个位置的特征值作为所述电阻特征矩阵中各个位置的节点电阻特征值,以获得所述电阻特征矩阵。
5.根据权利要求4所述的超大规模集成电路结构布局的优化方法,其中,如果电源位置为(),则,且。
6.根据权利要求5所述的超大规模集成电路结构布局的优化方法,其中,将所述电压降特征矩阵输入分类器以获得用于表示芯片布局图是否满足各模块的电压降条件的分类结果,包括:
使用所述分类器的多个全连接层对所述电压降特征矩阵进行全连接编码以获得分类特征向量;
将所述分类特征向量输入所述分类器的Softmax分类函数以获得所述芯片布局图满足各模块的电压降条件的第一概率和芯片布局图不满足各模块的电压降条件的第二概率;以及
基于所述第一概率和所述第二概率的比较,确定所述分类结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于瑞安市和乐电子科技有限公司,未经瑞安市和乐电子科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111554532.6/1.html,转载请声明来源钻瓜专利网。