公开(公告)号：CN117709258B

公开(公告)日：2024-07-02

申请号：CN202311711252.0

申请日：2023-12-12

Applicant: 南京邮电大学

Inventor： 郭静静 ,  宁雪洁 ,  姜玻 ,  李梦可欣 ,  张铭臻 ,  蔡志匡

IPC: G06F30/3312 ,  G06N3/0442 ,  G06N3/06

Abstract: 本发明公开基于图神经网络的路径时序预测方法，属于计算，推算或计数的技术领域。该方法包括：提出一种将电路门级网表转化为电路时序路径图的方法，将时序路径上的门单元的特征用特征向量表示，通过邻接矩阵表示时序路径中门单元的连接关系；使用图神经网络和自注意力机制，通过输入时序路径的门单元特征向量和邻接矩阵，预测路径的延迟数据。将图神经网络和自注意力机制结合到静态时序分析中，进行延迟计算，保留了时序路径中门单元的连接拓扑关系，同时保留了时序路径中整条路径的全局信息，从而提高了神经网络的预测精度，进而提高时序分析精度和运行效率。

公开(公告)号：CN117709258A

公开(公告)日：2024-03-15

申请号：CN202311711252.0

申请日：2023-12-12

Applicant: 南京邮电大学

Inventor： 郭静静 ,  宁雪洁 ,  姜玻 ,  李梦可欣 ,  张铭臻 ,  蔡志匡

IPC: G06F30/3312 ,  G06N3/0442 ,  G06N3/06

Abstract: 本发明公开基于图神经网络的路径时序预测方法，属于计算，推算或计数的技术领域。该方法包括：提出一种将电路门级网表转化为电路时序路径图的方法，将时序路径上的门单元的特征用特征向量表示，通过邻接矩阵表示时序路径中门单元的连接关系；使用图神经网络和自注意力机制，通过输入时序路径的门单元特征向量和邻接矩阵，预测路径的延迟数据。将图神经网络和自注意力机制结合到静态时序分析中，进行延迟计算，保留了时序路径中门单元的连接拓扑关系，同时保留了时序路径中整条路径的全局信息，从而提高了神经网络的预测精度，进而提高时序分析精度和运行效率。