-
公开(公告)号：CN115293083A
公开(公告)日：2022-11-04
申请号：CN202211206488.4
申请日：2022-09-30
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： G06F30/3315 , G06N3/04 , G06N3/08 , G06F119/12
摘要： 本申请提供了一种集成电路时序预测方法、装置、电子设备及存储介质，涉及集成电路技术领域。本方法通过采用预先训练的时序预测模型对目标集成电路中的路径进行时间裕度预测，得到目标集成电路对应的预测时间裕度序列，由于时序预测模型是基于样本集成电路的样本图结构、样本图特征信息以及样本集成电路的真实时序训练得到，样本图结构、样本图特征信息所表征的信息更加详细、丰富，相比于传统的采用GBA的方式预测得到的时间裕度序列，采用时序预测模型得到的预测时间裕度序列的精确度较高，从而基于预测时间裕度序列进行PBA时间裕度计算时，由于改善了输入时间裕度的排序，会使得搜索所需要的路径数目减少，从而达到快速搜索得到最差路径的目的。
-
公开(公告)号：CN113973061A
公开(公告)日：2022-01-25
申请号：CN202111254166.2
申请日：2021-10-27
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： H04L41/147 , H04L43/0852
摘要： 本申请公开了一种电路时延预测方法、装置、终端设备和可读存储介质。该方法包括：获取电路的第i个net对应的第i个RC网络，1≤i≤I，I为所述电路中的net的总数；基于所述第i个RC网络确定第i个图连接矩阵和第i个特征向量矩阵；利用所述第i个图连接矩阵和所述第i个特征向量矩阵预测所述第i个RC网络的时延。本申请的图连接矩阵包括待预测布线结构中各个路径之间的关系，特征向量矩阵包括待预测布线结构中各个节点的常见属性，进而基于图连接矩阵和特征向量矩阵可以实现对待预测布线结构的准确预测，并且预测速度更快。
-
公开(公告)号：CN116822427A
公开(公告)日：2023-09-29
申请号：CN202310558899.8
申请日：2023-05-17
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： G06F30/3315
摘要： 本发明提供一种基于时序分析方法、装置、电子设备及存储介质，涉及电子设计自动化技术领域。该方法包括：将目标集成电路图划分为多个子电路图，其中，每个子电路图中包括至少一个电路模块；根据多个子电路图中每两个子电路图之间的时序路径关系和/或数据路径关系，对多个子电路图的电路结构进行调整，得到多个目标子电路图；向多个从节点设备发送多个目标子电路图，以使每个从节点设备对接收到的目标子电路图进行静态时序分析，得到子静态时序分析结果；根据多个子静态时序分析结果，确定目标集成电路图的静态时序分析结果。提升了时序分析效率，针对每个子电路图可独立进行时序分析，减少了时序分析过程中的通信和数据传输，提升了系统性能。
-
公开(公告)号：CN115293083B
公开(公告)日：2022-12-20
申请号：CN202211206488.4
申请日：2022-09-30
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： G06F30/3315 , G06N3/04 , G06N3/08 , G06F119/12
摘要： 本申请提供了一种集成电路时序预测方法、装置、电子设备及存储介质，涉及集成电路技术领域。本方法通过采用预先训练的时序预测模型对目标集成电路中的路径进行时间裕度预测，得到目标集成电路对应的预测时间裕度序列，由于时序预测模型是基于样本集成电路的样本图结构、样本图特征信息以及样本集成电路的真实时序训练得到，样本图结构、样本图特征信息所表征的信息更加详细、丰富，相比于传统的采用GBA的方式预测得到的时间裕度序列，采用时序预测模型得到的预测时间裕度序列的精确度较高，从而基于预测时间裕度序列进行PBA时间裕度计算时，由于改善了输入时间裕度的排序，会使得搜索所需要的路径数目减少，从而达到快速搜索得到最差路径的目的。
-
公开(公告)号：CN115293082A
公开(公告)日：2022-11-04
申请号：CN202211205570.5
申请日：2022-09-30
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： G06F30/3315 , G06N3/04 , G06N3/08 , G06F119/12
摘要： 本发明提供一种时序预测模型的训练、预测方法、装置、设备及存储介质，涉及数据处理技术领域。包括：对多个样本集成电路的样本电路结构进行转换处理，得到样本图结构；根据每个样本电路结构进行特征提取处理，得到样本图特征信息；根据样本图结构以及样本图特征信息，采用初始时序预测模型进行预测，得到样本集成电路对应的预测时序信息；根据多个样本集成电路的预测时序信息以及真实时序信息，计算损失函数值；采用损失函数值，根据样本图结构、样本图特征信息以及真实时序信息，继续进行模型训练，直至损失函数值达到预设迭代停止条件，得到时序预测模型。训练得到的时序预测模型，可对任何电路结构的时序信息进行预测，提升了适用范围。
-
公开(公告)号：CN116090382A
公开(公告)日：2023-05-09
申请号：CN202310350907.X
申请日：2023-03-28
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： G06F30/3312 , G06F16/16 , G06F16/172 , G06F9/50
摘要： 本申请提供了一种时序报告生成方法和设备，其中，该方法包括：获取目标逻辑电路的时序报告生成请求，时序报告生成请求中包括：目标路径类型，根据目标路径类型，从第一缓存区域中取出预先缓存的针对目标逻辑电路的目标路径类型的至少一个第一时序路径，依次从第二缓存区域中取出预先缓存的至少一个第一时序路径的时序数据，每个第一时序路径的时序数据包含每个第一时序路径上逻辑单元的输入输出端对应的信号到达时间，根据依次取出的至少一个第一时序路径的时序数据，生成至少一个第一时序路径的时序报告。通过第一缓存区域和第二缓存区域避免阻塞，充分利用计算机资源，减少了生成时序报告所耗费的时间，提升了时序报告生成效率。
-
公开(公告)号：CN116822427B
公开(公告)日：2024-08-09
申请号：CN202310558899.8
申请日：2023-05-17
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： G06F30/3315
摘要： 本发明提供一种基于时序分析方法、装置、电子设备及存储介质，涉及电子设计自动化技术领域。该方法包括：将目标集成电路图划分为多个子电路图，其中，每个子电路图中包括至少一个电路模块；根据多个子电路图中每两个子电路图之间的时序路径关系和/或数据路径关系，对多个子电路图的电路结构进行调整，得到多个目标子电路图；向多个从节点设备发送多个目标子电路图，以使每个从节点设备对接收到的目标子电路图进行静态时序分析，得到子静态时序分析结果；根据多个子静态时序分析结果，确定目标集成电路图的静态时序分析结果。提升了时序分析效率，针对每个子电路图可独立进行时序分析，减少了时序分析过程中的通信和数据传输，提升了系统性能。
-
公开(公告)号：CN116090382B
公开(公告)日：2023-06-23
申请号：CN202310350907.X
申请日：2023-03-28
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： G06F30/3312 , G06F16/16 , G06F16/172 , G06F9/50
摘要： 本申请提供了一种时序报告生成方法和设备，其中，该方法包括：获取目标逻辑电路的时序报告生成请求，时序报告生成请求中包括：目标路径类型，根据目标路径类型，从第一缓存区域中取出预先缓存的针对目标逻辑电路的目标路径类型的至少一个第一时序路径，依次从第二缓存区域中取出预先缓存的至少一个第一时序路径的时序数据，每个第一时序路径的时序数据包含每个第一时序路径上逻辑单元的输入输出端对应的信号到达时间，根据依次取出的至少一个第一时序路径的时序数据，生成至少一个第一时序路径的时序报告。通过第一缓存区域和第二缓存区域避免阻塞，充分利用计算机资源，减少了生成时序报告所耗费的时间，提升了时序报告生成效率。
-
公开(公告)号：CN115293082B
公开(公告)日：2023-01-20
申请号：CN202211205570.5
申请日：2022-09-30
申请人： 深圳鸿芯微纳技术有限公司
IPC分类号： G06F30/3315 , G06N3/04 , G06N3/08 , G06F119/12
摘要： 本发明提供一种时序预测模型的训练、预测方法、装置、设备及存储介质，涉及数据处理技术领域。包括：对多个样本集成电路的样本电路结构进行转换处理，得到样本图结构；根据每个样本电路结构进行特征提取处理，得到样本图特征信息；根据样本图结构以及样本图特征信息，采用初始时序预测模型进行预测，得到样本集成电路对应的预测时序信息；根据多个样本集成电路的预测时序信息以及真实时序信息，计算损失函数值；采用损失函数值，根据样本图结构、样本图特征信息以及真实时序信息，继续进行模型训练，直至损失函数值达到预设迭代停止条件，得到时序预测模型。训练得到的时序预测模型，可对任何电路结构的时序信息进行预测，提升了适用范围。
-
公开(公告)号：CN114021355A
公开(公告)日：2022-02-08
申请号：CN202111317430.2
申请日：2021-11-09
申请人： 深圳鸿芯微纳技术有限公司
摘要： 本申请公开了一种串扰延时预测方法、装置、终端设备和可读存储介质。该方法利用预先训练好的串扰信号预测模型基于所述待预测受扰网络的自身属性参数集合和所述第i个干扰位点的位点属性参数集合可以快速、准确、稳定的预测出所述待预测受扰网络的第i个干扰位点的第i个串扰信号值，并且，利用预先训练好的串扰延时预测模型基于全部串扰信号值和所述待预测受扰网络的串扰关键参数集合可以快速、准确、稳定的预测所述待预测受扰网络的串扰延时。本申请的串扰延时的预测过程更为简单、高效，可以大大提高STA中的信号完整性分析效率、并且有效减少计算成本。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.039 秒)
