一种基于图可解释性的快速自动时序ECO方法及系统
2025-02-24 10:35
No.1343531697727348736
技术概要
PDF全文
本技术公开了一种基于图可解释性的快速自动时序ECO方法及系统,本发明基于图可解释性的快速自动时序ECO方法包括从电路的设计文件、工艺库、时序报告中提取拓扑特征及电气特征,搭建基于图神经网络的路径延时预测器;针对给定的关键路径基于路径延时预测器正向传播预测延时;基于图可解释性的方法获得关键路径上各节点、边、特征的重要性;根据重要性自动选取合适的ECO动作进行迭代。本发明旨在解决现有电子设计自动化(EDA)流程中对于复杂集成电路路径时序分析和优化时所存在的路径延时预测的精确性不足、缺乏解释性分析工具以及ECO流程效率低下的问题。
背景技术
随着集成电路(IC)工艺节点的不断缩小,芯片设计的复杂性和集成度显著提升。时序分析是芯片设计过程中至关重要的一环,旨在确保电路在给定时钟周期内正确传输和处理信号。然而,由于制程变异、器件参数漂移及设计复杂度等因素,时序违例问题在设计后期阶段(如布局布线完成后)变得越来越普遍。 传统的静态时序分析工具主要依赖规则驱动的方法来评估和预测电路路径的延时,并确定潜在的关键路径。这些方法虽然在效率和成熟度上表现良好,但由于缺乏对路径之间复杂关系的全局建模,可能会遗漏关键的交互因素。此外,面对不断增大的设计规模和复杂性,传统方法在精确性和解释性上逐渐显得不足。 近年来,随着深度学习技术的发展,图神经网络(Graph Neural Network, GNN)在处理结构化数据方面展现出强大的能力。它能够直接在图结构上进行信息传播和学习,使其在电路设计等复杂网络分析领域具有显著优势。特别是在涉及多节点、多边交互的应用中,GNN可以学习并提取全局和局部特征,进行更加细致的时序分析。 然而,现有的基于GNN的电路分析研究大多集中于电路性能预测和验证,很少有研究关注如何利用图解释性方法来分析和优化电路的关键路径。如何利用图解释性方法来分析和优化电路的关键路径,已成为一项亟待解决的关键技术问题。
实现思路
阅读余下40%
技术概要为部分技术内容,查看PDF获取完整资料
该技术已申请专利,如用于商业用途,请联系技术所有人!
技术研发人员:
赵振宇  蒋汶乘  何小威  黄鹏程  赵学谦  冯超超  乐大珩  马驰远  隋兵才  王永文
技术所属: 中国人民解放军国防科技大学
相关技术
一种服务开发方法、装置、设备及存储介质 一种服务开发方法、装置、设备及存储介质
一种高精度双层优化方法的神经网络搜索架构构建方法 一种高精度双层优化方法的神经网络搜索架构构建方法
跨总线域的设备对宿主机空间DMA访问方法及相关设备 跨总线域的设备对宿主机空间DMA访问方法及相关设备
一种客户信息定期维护方法及系统 一种客户信息定期维护方法及系统
代码发布方法、装置、计算机设备和可读存储介质 代码发布方法、装置、计算机设备和可读存储介质
一种基于统一管理平台的子应用数据获取方法及装置 一种基于统一管理平台的子应用数据获取方法及装置
利用深度学习的BIM模型错误自动检测系统 利用深度学习的BIM模型错误自动检测系统
一种基于智能反射面的室内T型走廊场景路径损耗的分析方法 一种基于智能反射面的室内T型走廊场景路径损耗的分析方法
模型评估任务处理方法及装置 模型评估任务处理方法及装置
基于大数据的异常信号智能识别方法 基于大数据的异常信号智能识别方法
技术分类
电信、广播电视和卫星传输服务 电信、广播电视和卫星传输服务
互联网软件服务 互联网软件服务
集成电路设计 集成电路设计
信息集成数字服务 信息集成数字服务
电气机械制造 电气机械制造
计算机、通信、电子设备制造 计算机、通信、电子设备制造
医药制造、生物基材料 医药制造、生物基材料
石油煤矿化学用品加工 石油煤矿化学用品加工
化学原料制品加工 化学原料制品加工
非金属矿物加工 非金属矿物加工
金属制品加工 金属制品加工
专用设备制造 专用设备制造
通用设备制造 通用设备制造
通用零部件制造 通用零部件制造
汽车制造业 汽车制造业
铁路、船舶、航天设备制造 铁路、船舶、航天设备制造
电力、热力生产和供应 电力、热力生产和供应
燃气生产和供应 燃气生产和供应
水生产和供应 水生产和供应
房屋建筑、土木工程 房屋建筑、土木工程
交通运输、仓储和邮政 交通运输、仓储和邮政
农、林、牧、渔业 农、林、牧、渔业
采矿业 采矿业
农副、食品加工 农副、食品加工
烟草、酒水加工 烟草、酒水加工
纺织皮具居家制品 纺织皮具居家制品
文教体娱加工 文教体娱加工
苏ICP备18062519号-5 © 2018-2025 【123技术园】 版权所有,并保留所有权利