公开(公告)号：CN119647370A

公开(公告)日：2025-03-18

申请号：CN202411757059.5

申请日：2024-11-29

Applicant: 鹏城实验室

Inventor： 刘玉洁 ,  杨超 ,  田永鸿

IPC: G06F30/3308 ,  G06N3/098

Abstract: 本申请实施例提供寄生参数提取神经网络分布式训练方法及装置，涉及集成电路技术领域。该方法在每个训练批次中利用数据推送进程获取每个处理设备的局部批次，在提高数据读取效率的同时节约内存，利用Horovod并行框架在处理设备上对寄生参数提取神经网络并行训练得到局部梯度，之后获取每个处理设备的局部BN层统计参数用来计算全局统计参数，将全局统计参数分发至每个处理设备进行BN层的数据更新，同时更新局部梯度，利用Horovod框架同步所有局部梯度确定模型更新参数，继续训练直至得到训练完成的寄生参数提取神经网络。在Horovod并行框架基础上实现跨卡批归一化同步操作，避免因局部批次过小而导致训练不收敛的情况，既能维持训练精度，又能提升训练效率。

公开(公告)号：CN119203722A

公开(公告)日：2024-12-27

申请号：CN202411102667.2

申请日：2024-08-12

Applicant: 鹏城实验室

Inventor： 刘玉洁 ,  杨超 ,  伍盛坤 ,  李兴权 ,  田永鸿

IPC: G06F30/27 ,  G06F30/23 ,  G06F30/39 ,  G06N3/08

Abstract: 本申请提供了一种集成芯片的寄生参数确定方法、设备及存储介质，涉及但不限于电子电路技术领域，方法包括基于预设的计算区域中各导体的多个轮廓坐标，确定导体区域和边界区域；在导体区域内对待预测的导体构建高斯面，并在高斯面上按照预设的采样间距进行均匀采样，得到多个采样点；获取物理信息神经网络模型；物理信息神经网络模型为对导体区域和边界区域采样得到的样本采样点进行模型训练得到的，样本导体区域的采样密度大于样本边界区域的采样密度；通过物理信息神经网络模型对高斯面上的采样点进行寄生参数预测，得到待预测的导体的寄生参数预测数据。本申请实施例在满足寄生参数精度要求的同时确保计算效率。

公开(公告)号：CN119047317A

公开(公告)日：2024-11-29

申请号：CN202411169789.3

申请日：2024-08-23

Applicant: 鹏城实验室

Inventor： 刘玉洁 ,  杨超 ,  田永鸿

IPC: G06F30/27 ,  G06F18/213 ,  G06N3/0464

Abstract: 本申请提供了一种基于稀疏数据机器学习技术的电容值提取方法和装置，属于人工智能技术领域和电子电路技术领域。通过电势预测模型的特征学习层对目标点云数据所有采样点的坐标信息进行特征提取，得到导体形态特征，分别将每个采样点的属性信息与导体形态特征进行特征拼接，得到每个采样点的目标点云特征，通过电势预测模型的物理信息层对目标点云特征进行物理信息编码，得到各个采样点的电势。根据目标采样点类型将位于导体高斯面上所有采样点的电势作为目标电势，根据目标电势提取导体的电容值，无需事先使用场求解器计算大量的训练数据，在节约计算资源的同时提高计算效率，另外使用点云刻画导体结构能够提高电容值提取的准确性。

公开(公告)号：CN118395845A

公开(公告)日：2024-07-26

申请号：CN202410452364.7

申请日：2024-04-15

Applicant: 鹏城实验室 ,  南方科技大学

Inventor： 张承鑫 ,  刘玉洁 ,  陈全 ,  沙燕亮 ,  田永鸿

IPC: G06F30/27 ,  G06F30/33 ,  G06F30/337 ,  G06F18/213 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/082 ,  G06F18/214 ,  G06F119/08

Abstract: 本申请实施例提供电子设备温度预测方法、装置、设备和存储介质，涉及集成电路技术领域。利用神经网络结构的设备温度预测模型进行预测，获取包括功率密度、上片层热导率、下片层热导率和界面热阻在内的设备热参数，利用神经网络的输入层对设备热参数进行特征提取得到设备热特征，依次对设备热特征进行至少一次非线性变换并降维得到变换特征，利用神经网络的输出层对变换特征进行预测，得到即预测结温。选取与芯片结构相关的设备热参数，结合芯片的实际结构信息预测，提高预测准确性。同时将界面热阻也作为输入参数之一，提高神经网络预测结果的准确性。设备温度预测模型结构简单，能够实现快速的预测，提升预测效率。