申请/专利权人：南京邮电大学

申请日：2023-07-05

公开（公告）日：2024-04-02

公开（公告）号：CN116861782B

主分类号：G06F30/27

分类号：G06F30/27;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.10.27#实质审查的生效;2023.10.10#公开

摘要：本发明公开基于机器学习和节点有效电容的线延时预测方法，属于计算、推算或计数的技术领域。该方法：读入SPEF寄生文件、网表文件、时序库文件；采用SPICE仿真测量sink端节点线延时，建立线延时标准样本集；处理SPEF寄生文件与网表文件，计算sink端节点线延时和转换时间、所有节点有效电容；处理得到机器学习模型训练所需特征，使用交叉验证法训练模型，计算接收端节点线延时平均值以及转换时间平均值作为模型性能的评估指标，比较接收端节点线延时计算值与SPICE仿真测量的线延时之间的误差，最终确定特征参数统一值。本发明能够快速且准确地预测单元延时，采用机器学习优化预测结果进一步提高预测速度和精度。

主权项：1.基于机器学习和节点有效电容的线延时预测方法，其特征在于，包括如下步骤：步骤1，读取SPEF寄生文件、网表文件、时序库文件，所述SPEF寄生文件包括：SPEF绕线名称、网络节点名称、节点耦合电容数值、绕线总电容数值、节点电阻阻值，所述网表文件包括：引脚信息、转换时间；步骤2，采用SPICE仿真测量接收端节点线延时，建立线延时标准样本集；步骤3，根据步骤1读取的SPEF寄生文件和网表文件，结合所述时序库文件计算接收端节点的线延时、接收端节点的转换时间以及所有节点有效电容，其中，计算接收端节点的线延时、接收端节点的转换时间以及所有节点有效电容的具体方法为：步骤3-1，在SPEF绕线为树型RC网络时，转步骤3-2，在SPEF绕线为非树型RC网络时，将SPEF绕线转换为树型RC网络后，转步骤3-2，步骤3-2，初始化源端节点的转换时间、每个节点的有效电容，初始化源端节点的转换时间的具体方法为：在所述时序库文件中查询源端节点有效电容和或驱动单元输入转换时间对应的源端节点转换时间，初始化每个节点的有效电容的方法为：以每个节点的下游总电容为每个节点有效电容的初始值，步骤3-3，从源端节点正向传播转换时间，计算从源端节点到树型RC网络每个节点的延时，并获取每个节点的转换时间，其中，计算从源端节点到树型RC网络每个节点的延时的表达式为：T0-i＝∑allnodeiRi-1→iCeffi，T0-i为从源端节点到第i个节点的延时，Ri-1→i为第i-1个节点与第i个节点之间的电阻，Ceffi为第i个节点的有效电容，获取每个节点的转换时间的表达式为：Si为第i个节点的转换时间，Si-1为第i-1个节点的转换时间，Ci为第i个节点的接地电容，步骤3-4，考虑扇出节点电阻屏蔽效应，从接收端节点反向传播有效电容至源端节点，更新每个节点的有效电容，步骤3-5，根据步骤3-4更新的源端节点有效电容获取源端节点转换时间更新值，在所述源端节点转换时间更新值未收敛时返回步骤3-3，在所述源端节点转换时间更新值收敛时结束步骤3；步骤4，将驱动单元输入转换时间、RC网络从源端到接收端的节点个数、RC网络从源端到接收端路径上所有节点的有效电容以及步骤3计算的接收端节点的线延时、接收端节点的转换时间为特征数据，以RC网络从源端到接收端路径上的节点数量为特征参数，根据所述特征数据以及线延时标准样本集训练机器学习模型。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于机器学习和节点有效电容的线延时预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD