公开(公告)号：CN116151324A

公开(公告)日：2023-05-23

申请号：CN202310177071.8

申请日：2023-02-28

Applicant: 东南大学

Inventor： 卜爱国 ,  贾书昊

IPC: G06N3/0464 ,  G06N3/049 ,  G06N3/08 ,  G06N3/063

Abstract: 本发明提出了一种基于图神经网络的RC互连延时预测方法，本方法根据SPEF寄生参数网表，首先基于DFS(DepthFirstSearch)算法搜索得到若干RC路径，并将每条RC路径进行图表示，其中RC路径中的节点对应图的节点，节点之间的连接关系对应图的边，对地电容值、耦合电阻值分别定义为图的节点属性和边属性；然后再经由基于图卷积神经网络的推理框架进行延时推理得到结果。该方法包括两个部分：SPEF解析模块，图神经网络网络预测模块。相比使用Elmore模型和D2M模型，使用合适的图神经网络对RC路径进行图建模，可以更加快速并且准确地预测RC互连线的延时，及早发现时序违例，缩短收敛时间。

公开(公告)号：CN114818559A

公开(公告)日：2022-07-29

申请号：CN202210621689.4

申请日：2022-06-01

Applicant: 东南大学

Inventor： 卜爱国 ,  王嵘柯 ,  贾书昊

IPC: G06F30/33 ,  G06F30/337 ,  G06F119/04 ,  G06F119/12

Abstract: 本发明提出了一种NBTI和工艺波动影响下的门级延时机器学习预测方法，本方法分析了门单元延时在工艺波动影响下的延时分布特征，并同时考虑了NBTI带来的影响。根据门单元延时分布的复杂特征，本方法采用了高斯过程回归(GaussianProcessRegression,GPR)捕捉多种影响门延时的因素并预测出最终的门级单元延时分布。相比较显式地写出计算表达式，利用合适核函数的高斯过程回归算法可以更准确捕捉其之间的关系，得到更准确的门级延时统计特征值，对于流片成功和设计鲁棒性更高的集成电路具有重要意义。