一种电子设计自动化方法及装置制造方法及图纸

本发明专利技术提供了一种电子设计自动化的方法、装置、计算机可读存储介质及电子设备，该方法包括：获取电子设计的目标设计结果；基于目标设计结果和已训练的反向机器学习模型，得到预测设计参数；基于预测设计参数和已训练的前向机器学习模型，得到预测设计结果；若预测设计结果与目标设计结果间的关系符合第一预设条件，则基于预测设计参数和设计工具，确定实际设计结果；若实际设计结果与目标设计结果间的关系符合第二预设条件，则确定预测设计参数为实际设计参数。本发明专利技术提供的技术方案通过已训练的前向机器学习模型对预测设计参数进行评估，减少将设计参数输入设计工具的次数，进而有效缩短设计时间，同时减少人工因素的介入，智能化程度更高。智能化程度更高。智能化程度更高。

【技术实现步骤摘要】
一种电子设计自动化方法及装置


[0001]本专利技术涉及电子设计
，且更具体地，涉及一种电子设计自动化方法及装置。

技术介绍

[0002]在电子设计过程中，常常是设计工作人员通过在电子设计软件上进行多次设计才能完成设计目标。也就是说目前的电子设计过程依赖于设计工作人员的经验和水平，人为介入因素较多。并且因为电子设计软件需要大量的计算资源，通常需要很长时间才能完成一次设计参数的计算。从而现有的电子设计方式，存在智能化程度较低且用时较长的问题，因此确定一种智能化程度较高且用时较短的电子设计自动化方法具有重要意义。

技术实现思路

[0003]本专利技术提供了一种电子设计自动化的方法、装置、计算机可读存储介质及电子设备，以解决现有的电子设计方式存在的智能化程度较低且用时较长的技术问题。
[0004]根据本专利技术的第一方面，提供了一种电子设计自动化的方法，包括：
[0005]获取电子设计的目标设计结果；
[0006]基于所述目标设计结果和已训练的反向机器学习模型，得到预测设计参数；
[0007]基于所述预测设计参数和已训练的前向机器学习模型，得到预测设计结果；
[0008]若所述预测设计结果与所述目标设计结果间的关系符合第一预设条件，则基于所述预测设计参数和设计工具，确定实际设计结果；
[0009]若所述实际设计结果与所述目标设计结果间的关系符合第二预设条件，则确定所述预测设计参数为实际设计参数。
[0010]根据本专利技术的第二方面，提供了一种电子设计自动化的装置，包括：
[0011]目标获取模块，用于获取电子设计的目标设计结果；
[0012]参数预测模块，用于基于所述目标设计结果和已训练的反向机器学习模型，得到预测设计参数；
[0013]结果预测模型，用于基于所述预测设计参数和已训练的前向机器学习模型，得到预测设计结果；
[0014]结果确定模块，用于若所述预测设计结果与所述目标设计结果间的关系符合第一预设条件，则基于所述预测设计参数和设计工具，确定实际设计结果；
[0015]参数确定模块，用于若所述实际设计结果与所述目标设计结果间的关系符合第二预设条件，则确定所述预测设计参数为实际设计参数。
[0016]根据本专利技术的第三方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述的电子设计自动化的方法。
[0017]根据本专利技术的第四方面，提供了一种电子设备，所述电子设备包括：
[0018]处理器；
[0019]用于存储所述处理器可执行指令的存储器；
[0020]所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述的电子设计自动化的方法。
[0021]与现有技术相比，本专利技术提供的电子设计自动化的方法、装置、计算机可读存储介质及电子设备，至少包括以下有益效果：
[0022]本专利技术在获取到电子设计的目标设计结果之后，根据目标设计结果和已训练的反向机器学习模型，得到新的设计参数即预测设计参数，在得到新的设计参数的过程中减少了人为因素的介入。然后根据预测设计参数和已训练的前向机器学习模型，得到预测设计结果，实现对预测设计参数的初步评估，并判断预测设计结果与目标设计结果间的关系是否符合第一预设条件，若是，则证明根据该预测设计参数进行设计后，得到目标设计结果的可能性较高，此时进一步基于预测设计参数和设计工具，确定实际设计结果，并在实际设计结果与目标设计结果间的关系符合第二预设条件时，将预测设计参数确定为实际设计参数，如此可以有效的减少利用设计工具确定实际设计结果的次数，有效缩短设计时间。综上所述，本专利技术提供技术方案利用已训练的反向机器学习模型、已训练的前向机器学习模型和设计工具相结合的方式，减少设计过程中的人为因素的介入，有效的提高电子设计过程的智能化程度，并有效的缩短设计时间，提高设计效率。
附图说明
[0023]为了更清楚地说明本的技术方案，下面将对本专利技术的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0024]图1是本专利技术一示例性实施例提供的电子设计自动化的方法中步骤101
‑
步骤105的流程示意图；
[0025]图2是本专利技术一示例性实施例提供的电子设计自动化的方法中步骤101
‑
步骤106的流程示意图；
[0026]图3是本专利技术一示例性实施例提供的电子设计自动化的方法中步骤107
‑
步骤110的流程示意图；
[0027]图4是本专利技术一示例性实施例提供的电子设计自动化的方法中步骤111
‑
步骤115的流程示意图；
[0028]图5是本专利技术一示例性实施例提供的电子设计自动化的方法中步骤1141
‑
步骤1144的流程示意图；
[0029]图6是本专利技术一示例性实施例提供的电子设计自动化的方法中第一输出网络结构的示意图；
[0030]图7是本专利技术一示例性实施例提供的电子设计自动化的方法中步骤116
‑
步骤120的流程示意图；
[0031]图8是本专利技术一示例性实施例提供的电子设计自动化的装置的结构示意图；
[0032]图9是本专利技术一示例性实施例提供的电子设备的结构图。
具体实施方式
[0033]下面将结合本中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例，都属于本实施例保护的范围。
[0034]示例性方法
[0035]图1是本专利技术一示例性实施例提供的电子设计自动化的方法的流程示意图。本实施例可应用在电子设备上，具体可以应用于服务器或一般计算机上。至少包括如下步骤：
[0036]步骤101，获取电子设计的目标设计结果。
[0037]在一实施例中，目标设计结果是指进行电子设计时想要达到的设计目标。其中，目标设计结果可以包括多个设计指标，例如进行二级功放设计的过程中，目标设计结果中可能包括电源减弱系数，噪音，共模抑制比，随机谐振，调相和带宽等设计指标，不同的设计指标对应的设定数值组成了目标设计结果。
[0038]步骤102，基于所述目标设计结果和已训练的反向机器学习模型，得到预测设计参数。
[0039]在一实施例中，为了达到目标设计结果，需要有设计参数，根据设计参数进行设计即可以得到设计结果，只不过并非所有的设计参数均可以达到目标设计结果，因此往往需要多次确定出新的设计参数。在本实施例中，将目标设计结果输入已训练的反向机器学习模型中，已训练的反向机器学习模型将输出预测设计参数，实现以非人工的方式获取到新的设计参数，减少人为因素的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电子设计自动化的方法，其特征在于，包括：获取电子设计的目标设计结果；基于所述目标设计结果和已训练的反向机器学习模型，得到预测设计参数；基于所述预测设计参数和已训练的前向机器学习模型，得到预测设计结果；若所述预测设计结果与所述目标设计结果间的关系符合第一预设条件，则基于所述预测设计参数和设计工具，确定实际设计结果；若所述实际设计结果与所述目标设计结果间的关系符合第二预设条件，则确定所述预测设计参数为实际设计参数。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述预测设计参数和实际设计结果，更新所述已训练的反向机器学习模型和已训练的前向机器学习模型。3.根据权利要求1所述的方法，其特征在于，在所述基于所述目标设计结果和已训练的反向机器学习模型，得到预测设计参数步骤前，所述方法还包括：获取第一训练数据集，所述第一训练数据集包括第一训练用设计参数和第一训练用设计结果；将所述第一训练用设计参数输入第一原始模型，得到第一预测训练结果；将所述第一预测训练结果输入第二原始模型，得到第一预测训练参数；基于所述第一训练用设计参数、所述第一训练用设计结果、所述第一预测训练结果和所述第一预测训练参数，调整所述第一原始模型和所述第二原始模型分别对应的模型参数，获取已训练的前向机器学习模型和已训练的反向机器学习模型。4.根据权利要求3所述的方法，其特征在于，所述获取已训练的前向机器学习模型和已训练的反向机器学习模型步骤，包括：根据由第一预测训练结果和第一训练用设计结果确定的第一损失函数值，调整所述第一原始模型的模型参数，获取已调整第一原始模型；根据由第一训练用设计参数和第一预测训练参数确定的第二损失函数值，调整已调整第一原始模型和第二原始模型分别对应的模型参数，获取已训练的前向机器学习模型和已训练的后向机器学习模型。5.根据权利要求3所述的方法，其特征在于，所述获取第一训练数据集步骤，包括：获取随机生成的第一训练用设计参数；将所述第一训练用设计参数输入设计工具，获取所述第一训练用设计参数对应的第一训练用设计结果。6.根据权利要求3所述的方法，其特征在于，在所述将所述第一训练用设计参数输入第一原始模型，得到第一预测训练结果步骤前，所述方法还包括：确定第一模型输入项和第一模型输出项中的第一输出参数；若所述第一输出参数的个数大于等于两个，则确定每一个第一输出参数分别与所述第一模型输入项间的第一相关值；基于各个所述第一输出参数分别对应的第一相关值，确定各个所述第一输出参数的参数确定顺序；基于各个所述第一输出参数的参数确定顺序，确定第一输出网络结构；
基于所述第一输出网络结构、预先搭建的第一输入网络和第一特征提取网络，获取第一原始模型或第二原始模型。7.根据权利要求6所述的方法，其特征在于，所述基于各个所述第一输出参数分别对应的第一相关值，确定各个所述第一输出参数的参数确定顺序，包括：对各个所述第一输出参数分别对应的第一相关值进行由大到小的排序，将正向排序结果确定为各个所述第一输出参数的参数确定顺序；或，对各个所述第一输出参数分别对应的第一相关值进行由小到达的排序，将反向排序结果确定为各个所述第一输出参数的参数确定顺序。8.根据权利要求6所述的方法，其特征在于，所述基于各个所述第一输出参数的参数确定顺序，确定第一...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：上海联麓半导体技术有限公司，
类型：发明
国别省市：