申请/专利权人：中国科学技术大学

申请日：2024-03-04

公开（公告）日：2024-05-17

公开（公告）号：CN117829085B

主分类号：G06F30/392

分类号：G06F30/392;G06N3/0455;G06F30/394;G06N3/0499;G06N3/084;G06F115/12

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明涉及芯片设计领域，尤其涉及一种适用于芯片布线的连通图生成方法。对于给定的引脚位置坐标及源引脚，本发明使用策略网络对输入的所有引脚位置坐标进行编码处理，并在解码过程中迭代预测新的枢纽引脚，将源引脚、枢纽引脚及所有引脚的位置坐标信息作为MSPD算法的输入数据生成斯坦纳树形成连通图。与此同时，本发明还使用价值网络对策略网络选择的枢纽引脚的质量进行评估。本发明利用强化学习和MSPD算法，显著提高了优化平衡芯片布线中总线长度与倾斜值的效率，减少了计算资源的消耗和优化过程的时间。

主权项：1.一种适用于芯片布线的连通图生成方法，其特征在于，包括以下步骤：步骤一，定义样本中个引脚的位置坐标集合为，，其中，代表第个引脚的位置坐标，为预先定义的源引脚的位置坐标；步骤二，使用策略网络的编码器对位置坐标集合提取特征，得到最终编码集合，，其中，为源引脚的最终编码，为第个引脚的最终编码；步骤三，利用策略网络的解码器通过迭代的方式预测得到个枢纽引脚后，基于源引脚的最终编码、枢纽引脚的最终编码及最终编码集合生成斯坦纳树并形成连通图；步骤四，使用价值网络的编码器对位置坐标集合提取特征，得到价值网络最终编码集合，对价值网络最终编码集合聚合编码得到价值网络预测的连通图评价值；步骤五，定义策略网络的布线优化目标函数、策略网络的目标函数及价值网络的损失函数，其中，为策略网络的可学习参数，为价值网络的可学习参数；步骤六，基于策略网络的目标函数对策略网络进行训练，基于价值网络的损失函数对价值网络进行训练，直到达到预设的模型收敛条件；所述模型收敛条件指基于连通图计算得到的布线优化目标函数的值小于预定义的阈值；其中，步骤五中所述布线优化目标函数为： ；其中，代表总线长度，代表倾斜值，和分别代表调节总线长度和倾斜值的平衡参数；以及，步骤五中所述策略网络的目标函数为： ；其中，为策略网络选取个枢纽引脚的总概率； ；其中，表示连乘积运算符，为策略网络的可学习参数，表示策略网络第一步预测得到的枢纽引脚，表示在给定所有引脚位置坐标集合的情况下，作为第一个枢纽引脚被选中的概率；表示策略网络第步预测得到的枢纽引脚，表示在已经选中了前个枢纽引脚且给定所有引脚位置坐标集合的情况下，作为第个枢纽引脚被选中的概率;以及，步骤五中所述价值网络的损失函数为： ；其中，代表均方误差，为价值网络的可学习参数。

全文数据：

权利要求：

百度查询： 中国科学技术大学 一种适用于芯片布线的连通图生成方法

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