一种基于解析布局算法的数据路径布局方法技术

一种基于解析布局算法的数据路径布局方法，包括以下步骤：根据数据路径输入信息建立数据流约束模型；根据约束条件建立数据流约束模型；根据每条数据流的约束模型计算数据路径损失函数；计算整体损失函数；根据所述整体损失函数，对数据路径进行布局。本发明专利技术的基于解析布局算法的数据路径布局方法，在全局布局过程中同时考虑数据路径将自动获得布局最优解，减少电路布局的开发时间并提高芯片的性能与集成度，大大降低芯片设计工程师的工作量，具有很高的应用前景。

【技术实现步骤摘要】
一种基于解析布局算法的数据路径布局方法
本专利技术涉及集成电子设计自动化(Electronicdesignautomation，EDA)
，特别是涉及一种基于解析布局算法的数据路径布局。
技术介绍
自从集成电路于上世纪60年代初期专利技术以来，半导体制造技术一直都在以惊人的速度迅速成长。半导体芯片的性能和集成度也随着制造技术的进步高速发展。如今，一个1平方厘米的芯片上可以容纳数十亿甚至数上百亿的晶体管。如此庞大数量的晶体管使得全定制化的手工布图设计成为了一项耗时费力，甚至不可能短期完成的任务。而电子设计自动化（EDA）工具的应用使得设计周期大大缩短。近年来，深度学习以及人工智能技术的发展为电子设计自动化领域带来了新的活力。基于深度学习的电子设计自动化布局工具也逐渐彰显出其高效且优异的布局效果。当前市场上鲜有布局工具针对数据路径进行布局，而深度学习在数据路径布局领域的应用更是寥寥可数。目前现存的数据路径布局工具主要有两个：一种是MicroMagic公司的DataPathCompiler（DPC），另外一种是Cadence公司的StructuredDataPath（SDP）。DPC通过用户编辑用户界面数据路径单元的位置来引导布局，而SDP也需要用户输入SDP约束条件来引导数据路径的布局。此二中方法都需要大量的人为干预，造成布局过程极其耗时耗力，同时很难获得最优的解决方案。目前基于深度学习的电路布局主要使用线长模型和电路密度模型来构造代价函数，并通过最小化代价函数来获得布局的最优解，其代价函数并没有考虑数据路径。因此，布局的结果通常都是同一条数据流中的单元被分散摆放，这影响电路在时延和线长上的优化。目前市场上的数据路径的布局工具主要通过人工添加约束条件和手工摆放两种方法实现，比较费时费力。
技术实现思路
为了解决现有技术存在的不足，本专利技术的目的在于提供一种基于解析布局算法的数据路径布局方法，在全局布局过程中同时考虑数据路径将自动获得布局最优解，减少电路布局的开发时间并提高芯片的性能与集成度，大大降低芯片设计工程师的工作量，具有很高的应用前景。为实现上述目的，本专利技术提供的一种基于解析布局算法的数据路径布局方法，包括以下步骤：根据数据路径输入信息建立数据流约束模型；根据约束条件建立数据流约束模型；根据每条数据流的约束模型计算数据路径损失函数；计算整体损失函数；根据所述整体损失函数，对数据路径进行布局。进一步的，所述根据数据路径输入信息建立数据流约束模型的步骤，还包括，根据数据路径输入信息提取每条数据流的约束条件，根据约束条件建立数据流约束模型。进一步的，所述根据约束条件建立数据流约束模型的步骤，还包括，根据约束条件，在任意一条数据流中，针对任意两个相邻单元建立数据流约束模型；根据约束条件，针对任意两条相邻数据流中的单元建立数据流约束模型。进一步的，所述约束条件，包括：在同一数据流中，将所有单元按照数据流经的顺序从左到右摆放；在同一数据流中，将所有单元在水平方向上对齐；在不同数据流之间，对应单元在竖直方向上对齐；在不同数据流之间，对应单元按照指定的顺序从上到下依次摆放。进一步的，所述根据每条数据流的约束模型计算数据路径损失函数的步骤，还包括，在每条数据流中y坐标上的约束模型以及相邻数据流中x坐标上的约束模型上采用二次损失函数计算数据路径损失函数；在每条数据流中x坐标上的约束模型以及相邻数据流中y坐标上的约束模型采用ReLU平方损失函数计算数据路径损失函数。更进一步的，所述计算整体损失函数的步骤，还包括，将二次损失函数、ReLU平方损失函数、线长损失函数和电子密度损失函数之和作为整体损失函数。为实现上述目的，本专利技术还提供一种电子设备，包括存储器和处理器，所述存储器上储存有在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行如上文所述的基于解析布局算法的数据路径布局方法步骤。为实现上述目的，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序运行时执行如上文所述的基于解析布局算法的数据路径布局方法步骤。本专利技术的基于解析布局算法的数据路径布局方法、电子设备及计算机可读存储介质，具有以下有益效果：1）针对数据路径单元间的位置关系自动添加约束，并且在布局过程中同时考虑数据路径单元与非数据路径单元的布局，减少电路布局的开发时间并提高芯片的性能与集成度。2）建立在深度学习框架的基础上，将全局布局优化问题投射为训练神经网络的过程，利用现代深度学习的软件包torch，实现了基于深度学习框架的解析布局算法。该算法可以同时进行CPU多核并行和GPU加速。3）通过引入新的损失函数在整体布局时同时考虑数据路径单元对电路的影响，提高了电路布局的效率。同时，新损失函数的引入大大降低了电路布局的线长与时延。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，并与本专利技术的实施例一起，用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1为根据本专利技术的基于解析布局算法的数据路径布局方法流程图；图2为根据本专利技术的实施例一数据路径结构示意图；图3为根据本专利技术的实施例一数据路径json文件样例示意图；图4为根据本专利技术的实施例一不同损失函数及其导数对比示意图；图5为根据本专利技术的实施例一整体损失函数构成示意图；图6为根据本专利技术的实施例一第一组案例数据路径电路图；图7为根据本专利技术的实施例一第一组案例加入数据路径损失函数前布局示意图；图8为根据本专利技术的实施例一第一组案例加入数据路径损失函数后布局示意图；图9为根据本专利技术的实施例一第二组案例数据路径电路图；图10为根据本专利技术的实施例一第二组案例加入数据路径损失函数前布局示意图；图11为根据本专利技术的实施例一第二组案例加入数据路径损失函数后布局示意图；图12为根据本专利技术的实施例一第三组案例数据路径电路图；图13为根据本专利技术的实施例一第三组案例加入数据路径损失函数前布局示意图；图14为根据本专利技术的实施例一第三组案例加入数据路径损失函数后布局示意图；图15为根据本专利技术的实施例一第四组案例数据路径电路图；图16为根据本专利技术的实施例一第四组案例加入数据路径损失函数前布局示意图；图17为根据本专利技术的实施例一第四组案例加入数据路径损失函数后布局示意图。具体实施方式以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。数据路径是并行的多位数操作电路，在结构上具有规则性。因此，在考虑数据路径布局时要充分考虑其规则性的结构。数据路径结构包含多种功能模本文档来自技高网...

【技术保护点】
1.一种基于解析布局算法的数据路径布局方法，其特征在于，包括以下步骤：/n根据数据路径输入信息建立数据流约束模型；/n根据每条数据流的约束模型计算数据路径损失函数；/n计算整体损失函数；/n根据所述整体损失函数，对数据路径进行布局。/n

【技术特征摘要】
1.一种基于解析布局算法的数据路径布局方法，其特征在于，包括以下步骤：
根据数据路径输入信息建立数据流约束模型；
根据每条数据流的约束模型计算数据路径损失函数；
计算整体损失函数；
根据所述整体损失函数，对数据路径进行布局。


2.根据权利要求1所述的基于解析布局算法的数据路径布局方法，其特征在于，所述根据数据路径输入信息建立数据流约束模型的步骤，还包括，根据数据路径输入信息提取每条数据流的约束条件，根据约束条件建立数据流约束模型。


3.根据权利要求2所述的基于解析布局算法的数据路径布局方法，其特征在于，所述根据约束条件建立数据流约束模型的步骤，还包括，
根据约束条件，在任意一条数据流中，针对任意两个相邻单元建立数据流约束模型；
根据约束条件，针对任意两条相邻数据流中的单元建立数据流约束模型。


4.根据权利要求3所述的基于解析布局算法的数据路径布局方法，其特征在于，所述约束条件，包括：
在同一数据流中，将所有单元按照数据流经的顺序从左到右摆放；
在同一数据流中，将所有单元在水平方向上对齐；
在不同数据流之间，对应单元在竖直方向上对齐；
...

【专利技术属性】
技术研发人员：靳智捷，陈刚，李琳，
申请(专利权)人：南京集成电路设计服务产业创新中心有限公司，
类型：发明
国别省市：江苏;32