公开(公告)号：CN119227616B

公开(公告)日：2025-04-29

申请号：CN202411307031.1

申请日：2024-09-19

Applicant: 华南理工大学

Inventor： 李斌 ,  周欣亚 ,  吴朝晖

IPC: G06F30/367 ,  G06F30/27 ,  G06N20/00 ,  G06F111/20

Abstract: 本发明公开了一种AI算法驱动的布线层参数化结构2.5‑D寄生电容提取方法，涉及集成电路EDA技术，针对现有技术中求解慢等问题提出本方案。针对已知pattern类型的INPUT文件使用AI Model求解；针对未知pattern类型的INPUT文件使用BEM场求解器求解，同时自动提取该未知pattern类型的全体参数化特征，使用主成分分析法自动对全体参数化特征降维，获取该未知pattern类型的参数化结构特征向量，调用可添加工艺波动的布局模式生成器生成该未知pattern类型的训练数据，用于训练该未知pattern类型的ANN模型，将训练结果更新到所述AI Model，将该未知pattern类型转化为已知pattern类型。优点在于，可针对各采样点进行提取，自动完善AI Model库，实现未知pattern类型转化为已知pattern类型，从而逐渐加速寄生电容提取的速度。

公开(公告)号：CN119227616A

公开(公告)日：2024-12-31

申请号：CN202411307031.1

申请日：2024-09-19

Applicant: 华南理工大学

Inventor： 李斌 ,  周欣亚 ,  吴朝晖

IPC: G06F30/367 ,  G06F30/27 ,  G06N20/00 ,  G06F111/20

Abstract: 本发明公开了一种AI算法驱动的布线层参数化结构2.5‑D寄生电容提取方法，涉及集成电路EDA技术，针对现有技术中求解慢等问题提出本方案。针对已知pattern类型的INPUT文件使用AI Model求解；针对未知pattern类型的INPUT文件使用BEM场求解器求解，同时自动提取该未知pattern类型的全体参数化特征，使用主成分分析法自动对全体参数化特征降维，获取该未知pattern类型的参数化结构特征向量，调用可添加工艺波动的布局模式生成器生成该未知pattern类型的训练数据，用于训练该未知pattern类型的ANN模型，将训练结果更新到所述AI Model，将该未知pattern类型转化为已知pattern类型。优点在于，可针对各采样点进行提取，自动完善AI Model库，实现未知pattern类型转化为已知pattern类型，从而逐渐加速寄生电容提取的速度。