-
公开(公告)号：CN118332987A
公开(公告)日：2024-07-12
申请号：CN202410574644.5
申请日：2024-05-09
Applicant: 飞腾信息技术有限公司 , 东南大学
IPC: G06F30/3312 , G06N20/00
Abstract: 本申请提供一种时序分析模型生成方法、装置、电子设备及存储介质，涉及计算机技术领域。该方法包括：获取目标电路在众工艺角下的路径延时数据；根据该路径延时数据以及预设选择方法，提取符合筛选条件的特征工艺角子集、标签工艺角子集，并代入预设生成模型生成新的延时数据集；根据新的延时数据集、原始延时数据集与初始极限梯度提升模型进行训练，获取时序分析模型。其中，该生成过程中，考虑了特征选择对时序分析模型的影响，可以提高时序分析预测结果的预测精度；根据原始延时数据集可以生成新的延时数据集，可以降低训练数据集的获取成本；时序分析模型是利用相关性的时序关系进行时序预测，可以加速时序分析。
-
公开(公告)号：CN118070739A
公开(公告)日：2024-05-24
申请号：CN202410212820.0
申请日：2024-02-27
Applicant: 昆山市工业技术研究院有限责任公司 , 东南大学苏州研究院
IPC: G06F30/392 , G06F30/398 , G06F111/04
Abstract: 本发明公开一种基于网格索引结构的多重版图分解方法，属于计算、推算或计数的技术领域。该方法包括如下步骤：构建网格索引结构，分割多边形，检查间距违例，检查冲突环，化简冲突，构建冲突图；采用精确覆盖矩阵对冲突图进行回溯求解，得到冲突最少的解；通过表面投影法，对冲突图形缝合边位置进行确定，得到满足条件的所有合法缝合边，插入缝合边对冲突边数量进行进一步缩减，得到冲突边和缝合边权重之和最少的解；最后将所有子冲突图合并，得到最终的版图分解结果。本发明通过构建网格索引结构，使得冲突间距违例的检查时间复杂度降低，能将构建冲突图的时间有效减少，从而加快最终求解速度。
-
公开(公告)号：CN117454815A
公开(公告)日：2024-01-26
申请号：CN202311524478.X
申请日：2023-11-16
Applicant: 东南大学
IPC: G06F30/3315 , G06F30/367 , G06F30/327
Abstract: 本发明公开了一种亚阈值单元延时模型构建方法，输入分为快输入和慢输入两种，亚阈值慢输入下晶体管短路电流不可忽略，根据所提出的边界公式计算出输入转换时间的分类边界τb，确定出慢输入转换时间的范围。根据仿真出的延时对考虑短路电流的标称延时关系进行拟合，得到任意驱动强度和输出负载电容的考虑短路电流的标称延时模型。根据仿真出的单元延时标准差对考虑短路电流的统计延时关系进行拟合，最终得到任意驱动强度和输出负载电容的考虑短路电流的统计延时模型。本发明扩大了输入转换时间适用范围，适用于单元不同驱动强度及输出负载电容，具有仿真开销低，模型精度较高的优点，对于数字集成电路的静态时序分析时序签核具有重要意义。
-
公开(公告)号：CN109255159B
公开(公告)日：2023-04-07
申请号：CN201810940335.X
申请日：2018-08-17
Applicant: 东南大学
IPC: G06F30/3308 , G06F30/3312 , G06F30/27 , G06N20/10 , G06F18/2431
Abstract: 本发明公开了一种基于机器学习的电路路径延时波动预测方法，包括以下步骤：S1：通过分析电路特征与路径延时的关系选择合适的样本特征量；S2：通过枚举随机化参数的值生成随机路径，通过对随机路径进行蒙特卡洛仿真获得路径最大延时，通过3σ标准选取可靠路径，将可靠路径的样本特征量以及路径延时作为样本集；S3：建立路径延时预测模型，调整模型参数；S4：验证路径延时预测模型的精度和稳定性；S5：得到路径延时。本发明具有高精度和低运行时间的优点，在时序分析准确性和效率方面优势显著。
-
公开(公告)号：CN113326656B
公开(公告)日：2022-11-01
申请号：CN202110582508.7
申请日：2021-05-26
Applicant: 东南大学
IPC: G06F30/27 , G06F30/3312 , G06N3/04
Abstract: 本发明公开了一种数字集成电路众工艺角延时预测方法，能够应用于众工艺角下的时序签核问题中。在特征工程方面，通过膨胀卷积神经网络(Dilated CNN)对邻近工艺角下的路径延时关系进行抽取，并通过双向长短期记忆模型(Bi‑directional Long Short‑Term Memory,BLSTM)学习得到路径拓扑信息，最后，采用多门控混合专家网络模型(Multi‑gate Mixture‑of‑Experts,MMoE)输出得到多个工艺角下路径延时的预测结果。与传统机器学习方法相比，本发明通过更为有效的特征工程处理，能够在较低的仿真开销情况下，取得更高精度的预测效果，对于数字集成电路的众工艺角下时序签核具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN114861590A
公开(公告)日：2022-08-05
申请号：CN202210609318.4
申请日：2022-05-31
Applicant: 东南大学
IPC: G06F30/392
Abstract: 本发明公开了一种应用于大规模版图数据的索引方法，包括：将输入的版图数据按所属版图层的不同分类，并将每个模块抽象化为若干个二维平面多边形；然后独立地对版图每一层采用四叉树递归地分割平面；接着用空间填充曲线遍历分割后的每个子区域，根据每个多边形在该曲线上的先后顺序，为每个模块分配一个索引值；最后将这些索引值以B+树的形式保存起来。本发明可以灵活、快速地为大规模版图数据构建索引，并且以较低的系统开销高效地进行版图数据的增量更新。基于该索引方法所得到的索引结构，可以在版图的二维平面范围内快速查找相应二维坐标处的版图数据。
-
公开(公告)号：CN112257378A
公开(公告)日：2021-01-22
申请号：CN202011184388.7
申请日：2020-10-30
Applicant: 东南大学
IPC: G06F30/396
Abstract: 本发明一种针对近阈值的鲁棒时钟树综合算法实现方法，包括如下步骤：步骤1，采用自顶向下的综合算法生成对称时钟树初始拓扑；步骤2，在已经生成的拓扑结构基础上完成缓冲器插入，把时钟偏差波动的近似估计模型应用于多种缓冲器尺寸的缓冲器插入过程，此过程以优化时钟偏差波动为目标，优化过程基于遗传算法实现。本发明的一种针对近阈值的鲁棒时钟树综合算法实现方法，本发明的时钟树综合算法把对称时钟树作为初始拓扑应用在近阈值下，保证了时钟树具有很小的时钟偏差。在缓冲器插入阶段，实现了面向缓冲器库的缓冲器插入算法，该过程实现从缓冲器库中选择最优的缓冲器插入策略，使得时钟树时钟偏差波动尽可能小。
-
公开(公告)号：CN109255160B
公开(公告)日：2020-10-16
申请号：CN201810940886.6
申请日：2018-08-17
Applicant: 东南大学
IPC: G06F30/367 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于神经网络的单元延时预测方法，包括以下步骤：S1：选取SPICE仿真和神经网络训练所需的特征量；S2：随机选取特征量值，采用SPICE仿真测量单元延时，建立单元延时样本集；S3：将SPICE仿真获得的单元延时样本集分为训练样本集和测试样本集两部分，采用训练样本集训练神经网络模型，采用测试样本集验证神经网络精度，比较测试样本集预测的单元延时与SPICE仿真测量的单元延时之间的误差，反复优化调整神经网络参数降低误差；所述神经网络模型即为单元延时的预测模型。本发明还公开了单元延时灵敏度计算方法。本发明精度高、建模开销低、预测速度快。
-
公开(公告)号：CN107203487B
公开(公告)日：2020-09-11
申请号：CN201710373272.X
申请日：2017-05-24
Applicant: 东南大学
IPC: G06F15/78
Abstract: 本发明公开了一种抗功耗攻击的安全可重构架构，包括多行可重构阵列运算行、行控制器、通用寄存器堆、寄存器、输入缓存、输出缓存、可重构查找表、第一多路数据选择器、秘密分享安全防护模块和数据通路动态重构安全防护模块；其中，可重构阵列运算行包括算术逻辑单元、数据置换网络、数据载入单元和数据输出单元；秘密分享安全防护模块包括第二多路数据选择器、异或操作模块、数据缓存模块和第一随机数发生器；数据通路动态重构安全防护模块包括第三多路数据选择器、第四多路数据选择器、第二随机数发生器、第三随机数发生器、第一延时数据通路和第二延时数据通路。本发明在保证安全性的同时能大幅降低面积和性能开销。
-
公开(公告)号：CN109255159A
公开(公告)日：2019-01-22
申请号：CN201810940335.X
申请日：2018-08-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于机器学习的电路路径延时波动预测方法，包括以下步骤：S1：通过分析电路特征与路径延时的关系选择合适的样本特征量；S2：通过枚举随机化参数的值生成随机路径，通过对随机路径进行蒙特卡洛仿真获得路径最大延时，通过3σ标准选取可靠路径，将可靠路径的样本特征量以及路径延时作为样本集；S3：建立路径延时预测模型，调整模型参数；S4：验证路径延时预测模型的精度和稳定性；S5：得到路径延时。本发明具有高精度和低运行时间的优点，在时序分析准确性和效率方面优势显著。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.063 seconds)
