用于生成版图元素的方法技术

根据本公开的示例实施例提供了用于生成版图元素的方法

【技术实现步骤摘要】
用于生成版图元素的方法、设备和介质


[0001]本公开的实施例主要涉及计算机辅助设计领域，并且更具体地，涉及用于生成版图元素的方法
、
设备和介质
。
本公开的实施例还涉及用于生成训练数据的方法
、
设备和介质
、
以及用于训练机器学习模型的方法
、
设备和介质
。

技术介绍

[0002]在集成电路（
Integrated Circuit
，
IC
）制造中，在完成电路设计以后，还需要进行芯片版图设计
。
将门级网表（
Netlist
）设计为版图，并通过版图生产版图掩膜，然后进行逐层版图的光刻，以制造芯片
。
[0003]版图元素是版图生成的基础
。
在常规的版图生成方案中，需要定义基础版图元素
。
然而随着芯片工艺的发展，基础版图元素变得越来越复杂
。
因此，如何更高效地生成版图元素成为亟待解决的问题
。

技术实现思路

[0004]在本公开的第一方面中，提供了一种用于生成版图元素的方法
。
该方法包括：获取用于生成版图元素的至少一组参考点的相应表示，相应表示指示至少一组参考点的相应属性；基于至少一组参考点的相应表示，利用机器学习模型来生成针对目标点序列的目标点表示序列，目标点表示序列中的每个目标点表示对应于目标点序列中的一个目标点，每个目标点表示指示对应的目标点与目标点序列中的前一个目标点之间的相对位置和连接状态；以及基于目标点表示序列，连接目标点序列中的至少一部分目标点，以生成目标版图元素
。
[0005]在本公开的第二方面中，提供了一种用于生成训练数据的方法，该方法包括：基于版图元素的顶点，确定与版图元素相对应的点序列；以及确定针对点序列的点表示序列，以获得用于训练用于生成版图元素的机器学习模型的训练数据，其中点表示序列中的每个点表示对应于点序列中的一个点，每个点表示指示对应的点与点序列中的前一个点之间的相对位置和连接状态
。
[0006]在本公开的第三方面中，提供了一种用于训练机器学习模型的方法
。
该方法包括：获取针对训练点序列的训练点表示序列，训练点表示序列所包括的每个训练点表示对应于训练点序列中的一个训练点，每个训练点表示指示对应的训练点与训练点序列中的前一个训练点之间的相对位置和连接状态；基于训练点表示序列，利用机器学习模型来生成针对预测点序列的预测点表示序列，预测点表示序列中的每个预测点表示对应于预测点序列中的一个预测点，每个预测点表示指示对应的预测点与预测点序列中的前一个预测点之间的相对位置和连接状态；以及基于预测点表示序列与训练点表示序列之间的差异，更新用于生成版图元素的机器学习模型的参数值
。
[0007]在本公开的第四方面中，提供了一种电子设备
。
该电子设备包括处理器
、
以及与处理器耦合的存储器
。
该存储器具有存储于其中的指令，指令在被处理器执行时使电子设备
执行根据本公开的第一方面的用于生成版图元素的方法
、
或者根据本公开的第二方面的用于生成训练数据的方法
、
或者根据本公开的第三方面的用于训练机器学习模型的方法
。
[0008]在本公开的第五方面中，提供了一种计算机可读存储介质
。
该计算机可读存储介质上存储有计算机程序
。
计算机程序在被处理器执行时实现根据本公开的第一方面的用于生成版图元素的方法
、
或者根据本公开的第二方面的用于生成训练数据的方法
、
或者根据本公开的第三方面的用于训练机器学习模型的方法
。
[0009]根据本公开的各实施例的方案，通过借助于点表示来描述点的属性，进而利用机器学习模型来处理，从而生成版图元素
。
通过这种方式，一方面，可以将版图元素抽象为点列，这有利于有效地刻画版图元素的特征，并且便于应用机器学习模型
。
以此方式，可以快速地学习版图元素的特征，进而生成新的版图元素
。
另一方面，在引入新版图元素的情况下，借助于机器学习模型，可以快速地学习新版图元素的特征并生成类似的版图元素，而无需像在已有方案中那样修改规则
。
以此方式，可以更高效地生成版图元素，并且有助于提高版图元素的多样性
。
[0010]应当理解，本
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征，也不用于限制本公开的范围
。
本公开的其他特征将通过以下的描述而变得容易理解
。
附图说明
[0011]结合附图并参考以下详细说明，本公开各实施例的上述和其他特征
、
优点及方面将变得更加明显
。
在附图中，相同或相似的附图标注表示相同或相似的元素，其中：图1示出了本公开的各实施例能够在其中实现的示例环境的示意图；图2示出了根据本公开的一些实施例的第一版图元素的示意图；图3示出了根据本公开的一些实施例的第二版图元素的示意图；图4示出了根据本公开的一些实施例的第三版图元素的示意图；图5示出了根据本公开的一些实施例的版图元素切分的示意图
;
图6示出了根据本公开的一些实施例的利用机器学习模型来生成点表示序列的过程的示意图；图7示出了根据本公开的一些实施例的候选版图元素生成的示意图；图8示出了根据本公开的一些实施例的用于过滤异常版图元素的过程的示意图；图9示出了根据本公开的一些实施例的用于生成版图元素的方法的流程图；图
10
示出了根据本公开的一些实施例的用于生成训练数据的方法的流程图；图
11
示出了根据本公开的一些实施例的用于训练机器学习模型的方法的流程图；图
12
示出了其中可以实施本公开的一个或多个实施例的电子设备的框图
。
具体实施方式
[0012]下面将参照附图更详细地描述本公开的实施例
。
虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开
。
应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围
。
[0013]在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。
术语“基于”应当理解为“至少部分地基于”。
术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。
术语“第一”、“第二”等等可以指代不同的或相同的对象
。
下文还可能包括其他明确的和隐含的定义
。...

【技术保护点】

【技术特征摘要】
1.
一种用于生成版图元素的方法，其特征在于，所述方法包括：获取用于生成版图元素的至少一组参考点的相应表示，所述相应表示指示所述至少一组参考点的相应属性；基于所述至少一组参考点的所述相应表示，利用机器学习模型来生成针对目标点序列的目标点表示序列，所述目标点表示序列中的每个目标点表示对应于所述目标点序列中的一个目标点，所述每个目标点表示指示对应的目标点与所述目标点序列中的前一个目标点之间的相对位置和连接状态；以及基于所述目标点表示序列，连接所述目标点序列中的至少一部分目标点，以生成目标版图元素
。2. 根据权利要求1所述的用于生成版图元素的方法，其特征在于，所述方法还包括：获取用于生成所述版图元素的至少一个参考版图元素；以及确定分别与所述至少一个参考版图元素相对应的所述至少一组参考点，所述至少一组参考点中的每组参考点包括与该组参考点相对应的参考版图元素的顶点
。3.
根据权利要求2所述的用于生成版图元素的方法，其特征在于，获取用于生成版图元素的至少一个参考版图元素包括：响应于原始版图元素的顶点数目大于顶点数目阈值，将所述原始版图元素的边缘切割成多个线条，以作为所述至少一个参考版图元素，所述多个线条中的每个线条所包括的顶点数目小于所述顶点数目阈值，其中以所述多个线条之一作为一个参考版图元素来生成所述目标点表示序列，并且所述目标点表示序列是分别基于所述多个线条生成的多个目标点表示序列之一
。4.
根据权利要求1所述的用于生成版图元素的方法，其特征在于，所述至少一组参考点的所述相应表示包括与所述至少一组参考点相对应的至少一个参考点表示序列，并且获取用于生成版图元素的至少一组参考点的相应表示包括：针对所述至少一组参考点中的每组参考点执行以下操作，以获得所述至少一个参考点表示序列：基于该组参考点在相对应的参考版图元素中的位置，按照排序规则将该组参考点排列成参考点序列；以及基于所述相对应的参考版图元素，确定针对所述参考点序列的参考点表示序列，所述参考点表示序列中的每个参考点表示对应于所述参考点序列中的一个参考点，所述每个参考点表示指示对应的参考点与所述参考点序列中的前一个参考点之间的相对位置和连接状态
。5.
根据权利要求1所述的用于生成版图元素的方法，其特征在于，所述至少一组参考点包括一组参考点，所述至少一组参考点的所述相应表示包括与所述一组参考点相对应的参考点表示序列，并且基于所述至少一组参考点的所述相应表示利用机器学习模型来生成针对目标点序列的目标点表示序列包括：针对所述参考点表示序列中的每个参考点表示执行以下操作，以获得所述目标点表示序列：基于该参考点表示，利用所述机器学习模型中的编码器来生成第一特征表示；基于所述第一特征表示和该参考点表示，利用所述机器学习模型中的解码器来生成第
二特征表示；以及基于所述第二特征表示来确定所述目标点表示序列中与该参考点表示相对应的目标点表示
。6.
根据权利要求5所述的用于生成版图元素的方法，其特征在于，基于所述第二特征表示来确定所述目标点表示序列中与该参考点表示相对应的目标点表示包括：基于所述第二特征表示，利用高斯混合模型来生成所述目标点表示
。7.
根据权利要求1所述的用于生成版图元素的方法，其特征在于，所述至少一组参考点包括多组参考点，所述至少一组参考点的所述相应表示包括与所述多组参考点相对应的多个参考点表示序列，并且基于所述至少一组参考点的所述相应表示利用机器学习模型来生成针对目标点序列的目标点表示序列包括：从所述多个参考点表示序列中分别选择位于给定位置的参考点表示；利用所述机器学习模型中的编码器生成所选择的参考点表示的相应第一特征表示；基于所选择的参考点表示和经组合的所述相应第一特征表示，利用所述机器学习模型中的解码器来生成第二特征表示；以及基于所述第二特征表示来生成所述目标点表示序列中位于所述给定位置的目标点表示
。8.
根据权利要求7所述的用于生成版图元素的方法，其特征在于，基于所述第二特征表示来生成所述目标点表示序列中位于所述给定位置的目标点表示包括：基于所述第二特征表示，利用高斯混合模型来生成所述目标点表示
。9. 根据权利要求1所述的用于生成版图元素的方法，其特征在于，基于所述目标点表示序列连接所述目标点序列中的至少一部分目标点以生成目标版图元素包括：按照所述目标点表示序列中的所述连接状态，依次连接所述目标点序列中的所有目标点，以获得候选版图元素；以及基于所述候选版图元素以及用于生成所述候选版图元素的参考版图元素的类型来生成所述目标版图元素
。10. 根据权利要求9所述的用于生成版图元素的方法，其特征在于，基于所述候选版图元素以及用于生成所述候选版图元素的参考版图元素的类型来生成所述目标版图元素包括：响应于确定所述参考版图元素的所述类型是线条，将所述候选版图元素确定为所述目标版图元素；或响应于确定所述参考版图元素的所述类型是多边形，针对所述候选版图元素执行线段闭合处理，以获得所述目标版图元素
。11. 根据权利要求3所述的用于生成版图元素的方法，其特征在于，基于所述目标点表示序列连接所述目标点序列中的至少一部分目标点以生成目标版图元素包括：针对所述多个目标点表示序列中的每个目标点表示序列，按照该目标点表示序列中的所述连接状态，依次连接该目标点序列中的所有目标点，以获得与所述多个目标点表示序列相对应的多个候选版图元素；以及基于所述多个候选版图元素分别在第一方向和第二方向上的投影长度，通过拼接所述多个候选版图元素来获得所述目标版图元素，所述第一方向与所述第二方向正交
。
12.
根据权利要求1所述的用于生成版图元素的方法，其特征在于，所述方法还包括：确定所述目标版图元素是否符合预定要求；响应于确定所述目标版图元素符合所述预定要求，执行以下至少一项：将所述目标版图元素存储在版图元素库中，或将所述目标版图元素摆放在排版区域中
。13.
根据权利要求
12
所述的用于生成版图元素的方法，其特征在于，所述预定要求包括以下至少一项：所述目标版图元素所包括的每个线段均为水平或竖直的；所述目标版图元素中的任意两个线段不存在交叉；所述目标版...

【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：全芯智造技术有限公司，
类型：发明
国别省市：