一种基于目标检测网络的寄生参数提取方法技术

本发明专利技术公开了一种基于目标检测网络的寄生参数提取方法，属于寄生参数提取领域。该方法包括如下步骤：建立寄生电容模式库；创建符合版图互连线特点的数据集；使用自建数据集训练目标检测网络，通过修改损失函数对网络进行优化；用训练过的网络对版图图片进行预测，对网络的预测结果进行后续处理，得到寄生参数值。本发明专利技术旨在为数字集成电路寄生参数模式库建立和模式匹配提供了一种简单，供选择的解决方案。方案。方案。

A parasitic parameter extraction method based on target detection network

【技术实现步骤摘要】
一种基于目标检测网络的寄生参数提取方法


[0001]本专利技术涉及寄生参数提取领域，具体涉及一种基于目标检测网络的寄生参数提取方法。

技术介绍

[0002]寄生参数提取是在数字集成电路设计后端的一步流程，它从已完成布局布线的版图中提取互连线的寄生电阻和电容。随着工艺节点的推进，互连线引起的寄生电容、电阻会对电路时序的影响逐渐增大。同时，集成电路的规模越大，对寄生参数提取工具的提取能力和效率也提出了更高的要求。常用提取方法可以分为场解法和模式匹配法。模式匹配法根据几何结构、几何参数提前建立模式库，提取时将实际版图对照模式库，可以得出电阻、电容值，此方法更合适于大规模电路，但常因模式匹配错误产生误差，而且模式库的建立费时费力。
[0003]人工智能在工业化的应用为提取工具开辟了一条新道路。使用聚类算法自动建立模式库，取代冗长的手工建立过程。另外，匹配过程应用神经网络进行分类，可以提升匹配的效率和准确度。然而，以往的版图研究视角均为截面图，将三维的版图结构分割成单位长度的二维寄生参数后累加，而事实上，若将每层版图视为一张图像，则可以应用图像处理的方法，直接提取一层的平面信息。

技术实现思路

[0004]针对上述现有技术的不足，本专利技术提出了一种基于目标检测网络的寄生参数提取方法。简化模式库建立方式，并通过目标检测网络对版图中互连线的几何结构进行分类和定位，将网络输出结果与模式库对照，来实现精确的模式匹配。本专利技术旨在为数字集成电路寄生参数模式库建立和模式匹配提供了一种简单，供选择的解决方案。r/>[0005]为实现上述目的，本专利技术采用如下技术方案：一种基于目标检测网络的寄生参数提取方法，生成类似版图的图片集和标记文件，创建训练集，优化损失函数，训练目标检测网络，将其他版图图片输入到训练过的网络，网络会输出模式和坐标信息，比对模式库，定位导线，得到寄生电容值。
[0006]具体步骤包括：
[0007]步骤1：建立寄生电容模式库；
[0008]步骤2：生成符合版图互连线特点的图片，并标注构建数据集；
[0009]步骤3：使用所述数据集训练目标检测网络，通过优化损失函数对目标检测网络进行优化；
[0010]步骤4：用训练过的目标检测网络对版图图片进行预测，对网络的预测结果进行后续处理，得到寄生参数值。
[0011]优选的，步骤1的具体步骤为：设定不同颜色表示不同导线层或导线交叠关系，并分别列出面电容关于几何结构(包括层关系、同一层导线间距范围)的电容公式查找表，耦
合电容关于几何结构(同一层导体数)的电容公式查找表。
[0012]优选的，步骤2的具体步骤为：以设定好不同颜色的色块表示不同导线层或导线交叠关系(不同层导线的交叠关系或同一层导线的交叠关系)，在图片中央区域随机生成一些不同颜色、尺寸、垂直或水平的色块作为干扰背景，在干扰背景上，按照实际版图的交叠部分占导线的比例，随机生成代表导线交叠关系的目标颜色色块，并导出目标色块的类别与坐标值作为标注。
[0013]优选的，步骤3中依据面积预测这一具体应用优化目标检测网络的损失函数，具体步骤为：在原目标检测网络的损失函数，即目标损失、类别损失和预测框损失，加入一项面积损失；预训练以后，对各项损失前的系数进行超参数进化，得到各损失的最优系数。
[0014]优选的，步骤4包括：将版图文件描述的多层导线三维结构按照三视图可视化为图片，其中俯视图用于面电容提取，左视图和主视图用于耦合电容提取，按照模式尺寸将版图图片划分成若干张较小的图片，作为目标检测网络输入，目标检测网络对版图图片做出预测；预测分类结果得到几何结构，与模式库对照，得到电容计算公式，由预测框中心坐标定位出导线，由预测框坐标、大小得到几何参数(包括交叠面积，交叠部分的长度、宽度)，代入公式计算得到每根导线的寄生电容值。
[0015]有益效果：
[0016]1、本专利技术中的模式匹配过程使用了目标检测网络，这种网络是用于目标检测的深度神经网络，可以对图片中的目标进行分类和定位。以导线交叠结构作为检测目标，以仅含有互连线的版图图片作为网络输入，网络即可得到导线的类别，即模式，且根据预测框坐标可以得到导线在版图中的位置、交叠面积、交叠宽度、交叠长度等几何参数。由于目标检测网络已经发展到yolo v5，可以实现快速而准确的目标检测。网络的使用替代了复杂的匹配算法，并提高匹配准确度。
[0017]2、本专利技术中的模式库按照影响导线的几何结构进行模式分类，按照解析方法给出寄生面电容值和寄生耦合电容值计算公式，两者相加即为寄生电容值，具体的几何参数(如导线长度、宽度等)仅作为公式中的变量，因此不需要依据几何参数再细分模式，可以极大程度地缩小模式库规模，这样建立的模式库也适用于各种工艺尺寸。在匹配过程，将几何参数例如交叠面积值代入相应模式的电容解析公式，可以算出寄生电容值。
[0018]3、本专利技术中，应用不同的颜色以区分不同的层或交叠关系，该方法与图神经网络配合，提供了一种简单实用的层关系识别算法。
[0019]4、由于本专利技术首次将目标检测网络引入寄生参数提取领域，尚无已标注的版图图片集可以用来训练，故本专利技术中依据版图互连线特点自建数据集。数据集仅含有互连线，并依照真实版图中互连线的特点，可自动生成所需规模的图片集。该方法在模拟版图图片的同时，有效简化数据集，并省去了人工标注的巨大工作量。
附图说明
[0020]图1为寄生电容提取方法设计流程图；
[0021]图2为简化的寄生面电容模式库；
[0022]图3为目标检测网络的结构设计。
具体实施方式
[0023]下面结合附图及实施例对本专利技术做进一步说明。
[0024]图1为寄生电容提取方法设计流程图，首先设计模式库(如图2所示)和网络结构(如图3(a),(b)所示)，接着进行算法设计。整体算法框架包含数据集建立、网络训练、版图提取三个部分：
[0025](1)数据集建立
[0026]首先建立目标检测网络使用的数据集，需要符合仅含有互连线的版图的特点，仅含有互连线的版图体现为一些不同颜色、不同长度的色块，同时目标色块与干扰色块的比例、色块的长宽范围、色块在图中的分布区域等需要与真实的版图一致。
[0027](2)网络训练
[0028]然后使用该数据集，进行网络训练并验证，若测试结果不理想，则修改损失函数，修改后的损失函数为：
[0029]loss＝λ
obj
l
obj
+λ
cls
l
cls
+λ
box
l
box
+λ
area
l
area
#(1)
[0030]式中前三项为原目标检测网络的损失函数，即目标损失、类别损失和预测框损失的加权和，最后一项为加入的面积损失。或重新设计数据集，更改色块的长度范围，以优化训练结果，直到网络测试结果达到预期。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标检测网络的寄生参数提取方法，其特征在于，包括如下步骤：步骤1：建立寄生电容模式库；步骤2：生成符合版图互连线特点的图片，并标注构建数据集；步骤3：使用所述数据集训练目标检测网络，通过优化损失函数对目标检测网络进行优化；步骤4：用训练过的目标检测网络对版图图片进行预测，对网络的预测结果进行后续处理，得到寄生参数值。2.根据权利要求1所述的一种基于目标检测网络的寄生参数提取方法，其特征在于，步骤1的具体步骤为：设定不同颜色表示不同导线层、不同层导线的交叠关系或同一层导线的交叠关系，并列出一张几何结构对应于电容公式的查找表构建寄生电容模式库。3.根据权利要求1所述的一种基于目标检测网络的寄生参数提取方法，其特征在于，步骤2的具体步骤为：以设定好不同颜色表示不同导线层的色块，在图片中随机生成一些不同颜色、不同尺寸、垂直或水平的色块作为干扰背景，在干扰背景上随机生成代表不同交叠关系的目标颜色色块，并导出目标色块的模式类别与坐标值作为标注。4.根据权利...

【专利技术属性】
技术研发人员：陆生礼，蒋明月，梁天柱，
申请(专利权)人：东南大学，
类型：发明
国别省市：