[发明专利]使用设计和辅助构造的基于监督机器学习的存储器和运行时间预测

权利要求书

1.一种方法，包括：

提取集成电路IC设计的训练集的设计特征；

基于所提取的所述设计特征与被利用以评估所述IC设计的处理资源的度量相关的程度，来选择所提取的所述设计特征中的一个或多个设计特征；以及

训练机器学习ML模型，以将所述IC设计的所选择的所述设计特征与被利用以评估所述IC设计的所述处理资源的所述度量相关。

2.根据权利要求1所述的方法，其中所述度量包括存储器度量和/或运行时间度量。

3.根据权利要求1所述的方法，其中：

所述选择包括：基于辅助特征与所述IC设计的度量相关的程度，来选择所述IC设计的一个或多个所述辅助特征；

所述训练包括：训练所述ML模型，以将所述IC设计的所选择的所述设计特征和所述IC设计的所选择的所述辅助特征的组合与所述IC设计的所述度量相关；以及

所述使用包括：基于新IC设计的所选择的所述设计特征和所述新IC设计的所选择的所述辅助特征的所述组合，使用经训练的所述模型预测用于所述新IC设计的所述度量。

4.根据权利要求3所述的方法，其中所述辅助特征包括：

所述IC设计的设计约束；和/或

所述IC设计的功率消耗信息。

5.根据权利要求1所述的方法，进一步包括：

选择多个计算平台中的一个或多个计算平台，在所述一个或多个计算平台上基于经预测的所述度量和所述计算平台的规范来评估所述新IC设计。

6.根据权利要求1所述的方法，进一步包括：将所述IC设计分割成子块，其中所述使用包括：

使用经训练的所述模型来预测用于所述新IC设计的所述子块的所述度量。

7.根据权利要求6所述的方法，进一步包括：

选择多个计算平台中的一个计算平台，在所述一个计算平台上基于所述子块的经预测的所述度量和所述计算平台的所述规范来评估所述新IC设计的所述子块中的一个子块。

8.根据权利要求1所述的方法，其中所述训练包括：

训练所述ML模型，以将所述IC设计的所选择的所述设计特征与被利用以执行所述IC设计的静态验证的处理资源的所述度量相关。

9.根据权利要求1所述的方法，其中所述设计特征涉及：

多个实例；

引脚；

端口；

网；

多个分层结构；

多个库；

宏单元；

焊盘单元；和/或

功率管理单元。

10.根据权利要求1所述的方法，其中所述训练包括：

基于多元线性回归的监督训练。

11.一种系统，包括：

存储器；以及

与所述存储器耦合的处理设备，所述处理设备被配置为：

提取集成电路IC设计的训练集的设计特征；

基于所提取的所述设计特征与被利用以评估所述IC设计的处理资源的度量相关的程度，来选择所提取的所述设计特征中的一个或多个设计特征；

基于辅助特征与用于评估所述IC设计的处理资源的度量相关的程度，来选择所述IC设计的一个或多个所述辅助特征；以及

训练人工智能/机器学习AI/ML模型，以将所述IC设计的所选择的所述设计特征和新IC设计的所选择的所述辅助特征的组合与被利用以评估所述IC设计的所述处理资源的所述度量相关。

12.根据权利要求11所述的系统，其中所述处理设备被进一步配置为：

从新IC设计提取所选择的所述设计特征；

基于从所述新IC设计提取的所选择的所述设计特征和所述新IC设计的所选择的所述辅助特征，来使用经训练的所述模型以预测用于所述新IC设计的所述度量。