【技术实现步骤摘要】
【】本专利技术涉及芯片设计，其特别涉及一种标准单元布局模型训练方法、布局方法、系统及存储介质。
技术介绍
0、
技术介绍
1、高性能芯片的设计离不开高效高质量的电子设计自动化(eda)工具的支持，由于芯片系统的复杂性，传统的eda工具将芯片设计流程划分为逻辑综合、布局规划、时钟树综合和布局布线等步骤，以标准化处理。尽管这种标准流程的建立简化了芯片设计问题，但也导致了前期阶段的优化目标与最终芯片的功耗、性能及尺寸目标之间的联系较弱。因此单次流程往往难以达到芯片的功耗、性能及尺寸目标(ppa)，为了设计和制造出符合要求的芯片，需要进行多次迭代调整，这不仅增加了研发周期，也增加了工作量和成本。因此，需要采用更加创新和高效的方法来提高芯片设计流程的质量和效率，以便更好地满足市场需求并缩短产品上市时间，因此，越来越多的研究者开始尝试将机器学习方法引入现有的eda工具中。
2、但在芯片后端设计的流程中，标准单元的布局对于芯片的时序收敛和功耗具有重要影响。通常在摆放标准单元时，会通过计算每个位置上的功耗和时序信息来评估其优劣。然而这些计算相对复杂，而且难以通过解析的方式快速找到最佳位置，常常只能采用类似于线性搜索的方法来寻找合适的位置，但这不仅耗时长，还会影响最终设计的质量。因此，需要一种更高效且通用的方法来解决这个问题，以加快布局过程并提高设计的品质。
技术实现思路
0、
技术实现思路
1、为了解决电子设计自动化工具进行局部标准单元布局耗时长且质量不高的
2、本专利技术为解决上述技术问题，提供如下的技术方案：一种标准单元布局模型训练方法，训练后的布局模型用于预估局部标准单元的最优布局点，包括以下步骤：
3、在标准单元布局的过程中，获取一个标准单元实例，计算标准单元实例能被放置的合理区域，并将合理区域划分为预设数量的子区域；
4、将所述标准单元实例依次置于每一个子区域中，并获取和记录所述标准单元实例与其合理区域外的周围标准单元的数据，数据至少包括时序信息、功耗信息、位置信息及标准单元固定属性；
5、对数据进行数据清洗，并将所有子区域内的时序信息或功耗信息进行汇总，使用汇总的时序信息或功耗信息映射为目标矩阵；
6、搭建标准单元布局模型，采用注意力层作为输入层，采用卷积层作为输出层，使用全连接层连接注意力层和卷积层；
7、利用清洗后的数据对标准单元布局模型进行训练，并将目标矩阵作为标准单元布局模型的训练目标。
8、优选地，计算标准单元实例能被放置的合理区域具体包括以下步骤：
9、将标准单元实例的周围标准单元划分为驱动标准单元和被驱动标准单元；
10、获取驱动标准单元和被驱动标准单元的数量和位置信息；
11、基于驱动标准单元和被驱动标准单元的数量和位置信息，计算得出驱动标准单元和被驱动标准单元的平均位置；
12、由驱动标准单元和被驱动标准单元的平均位置构建出一个矩形，作为标准单元实例能被放置的合理区域。
13、优选地，固定属性包括静态功耗、面积、下降电容、上升电容、最大电容、最小电容、最大过渡时间、下降功率、上升功率、单元下降、单元上升、下降约束、下降传播、下降过渡时间、上升约束、上升传播、上升过渡时间其中的一种或多种。
14、优选地，数据清洗至少包括不合理数据过滤和数据归一化。
15、优选地，利用清洗后的数据对标准单元布局模型进行训练具体包括以下步骤：
16、将清洗后的数据中的位置信息和至少部分固定属性输入至标准单元布局模型的输入层；
17、依据具体的目标矩阵确定预估最优布局点的判定方式；
18、标准单元布局模型基于目标矩阵对输入的数据进行计算和处理，输出层返回一个概率分布矩阵；
19、标准单元布局模型包括损失函数，损失函数将标准单元布局模型输出的概率分布矩阵和训练目标矩阵进行对比，并输出一个损失值；
20、判断损失值是否收敛，若是，则标准单元布局模型训练完成，若否，则重复上述步骤，直至损失值收敛。
21、优选地，损失函数将标准单元布局模型输出的概率分布矩阵和训练目标矩阵进行对比，具体包括以下步骤：
22、获取具体的目标矩阵中预估最优布局点的坐标信息；
23、基于目标矩阵中预估最优布局点的坐标信息，在概率分布矩阵中获取对应位置的概率值；
24、计算所有概率值之和，并作为损失值输出。
25、优选地，依据具体的目标矩阵确定预估最优布局点的判定方式具体包括：
26、若使用时序信息映射为目标矩阵，则时序信息中的时间裕量越大，则标准单元实例当前的布局点就越优；
27、若使用功耗信息映射为目标矩阵，标准单元当前的布局点上的功耗越小，则该布局点越优。
28、本专利技术为解决上述技术问题，提供又一技术方案如下：一种标准单元布局方法，运用如权利要求上述任一项的标准单元布局模型训练方法，包括以下步骤：
29、在包含电子设计自动化工具的服务器上部署训练完成的标准单元布局模型；
30、在电子设计自动化工具中加入与标准单元布局模型进行交互的模块；
31、进行局部标准单元布局时，电子设计自动化工具向标准单元布局模型发送包含当前局部标准单元的布局信息，标准单元布局模型通过计算，返回预设数量的预估最优布局点；
32、电子设计自动化工具对返回的预估最优布局点进行线性搜索，输出唯一最优布局点。
33、本专利技术为解决上述技术问题，提供又一技术方案如下：一种标准单元布局系统，执行如上述的标准单元布局方法，包括：服务器，用于运行电子设计自动化工具和标准单元布局模型；
34、交互模块，用于实现电子设计自动化工具和标准单元布局模型的交互；
35、标准单元布局模型，用于输出预设数量的预估最优布局点；
36、电子设计自动化工具，用于向标准单元布局模型发送包含当前局部标准单元的布局信息，以及对返回的预估最优布局点进行线性搜索，输出唯一最优布局点。
37、本专利技术为解决上述技术问题，提供又一技术方案如下：一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述的标准单元布局方法。
38、与现有技术相比，本专利技术所提供的一种标准单元布局模型训练方法、布局方法、系统及存储介质，具有如下的有益效果：
39、1.本专利技术的标准单元布局模型训练方法，通过对标准单元的时序信息或功耗信息对布局模型进行训练，能够快速地预测局部标准单元的最优的布局，提高局部标准单元布局的效率和准确性。并且，本专利技术的标准单元布局模型训练方法能够对已有的设计数据进行学习，进而能有效减少迭代优化次数，从而缩短设计周期。
40、2.本专利技术的标准单元布局模型本文档来自技高网...
【技术保护点】
1.一种标准单元布局模型训练方法，训练后的布局模型用于预估局部标准单元的最优布局点，其特征在于：包括以下步骤：
2.如权利要求1所述的标准单元布局模型训练方法，其特征在于：计算标准单元实例能被放置的合理区域具体包括以下步骤：
3.如权利要求1所述的标准单元布局模型训练方法，其特征在于：固定属性包括静态功耗、面积、下降电容、上升电容、最大电容、最小电容、最大过渡时间、下降功率、上升功率、单元下降、单元上升、下降约束、下降传播、下降过渡时间、上升约束、上升传播、上升过渡时间其中的一种或多种。
4.如权利要求1所述的标准单元布局模型训练方法，其特征在于：数据清洗至少包括不合理数据过滤和数据归一化。
5.如权利要求1所述的标准单元布局模型训练方法，其特征在于：利用清洗后的数据对标准单元布局模型进行训练具体包括以下步骤：
6.如权利要求5所述的标准单元布局模型训练方法，其特征在于：损失函数将标准单元布局模型输出的概率分布矩阵和训练目标矩阵进行对比，具体包括以下步骤：
7.如权利要求5所述的标准单元布局模型训练方法，其特
8.一种标准单元布局方法，运用如权利要求1-7任一项的标准单元布局模型训练方法，其特征在于：包括以下步骤：
9.一种标准单元布局系统，执行如权利要求8所述的标准单元布局方法，包括：
10.一种存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现如权利要求8所述的标准单元布局方法。
...【技术特征摘要】
1.一种标准单元布局模型训练方法，训练后的布局模型用于预估局部标准单元的最优布局点，其特征在于：包括以下步骤：
2.如权利要求1所述的标准单元布局模型训练方法，其特征在于：计算标准单元实例能被放置的合理区域具体包括以下步骤：
3.如权利要求1所述的标准单元布局模型训练方法，其特征在于：固定属性包括静态功耗、面积、下降电容、上升电容、最大电容、最小电容、最大过渡时间、下降功率、上升功率、单元下降、单元上升、下降约束、下降传播、下降过渡时间、上升约束、上升传播、上升过渡时间其中的一种或多种。
4.如权利要求1所述的标准单元布局模型训练方法，其特征在于：数据清洗至少包括不合理数据过滤和数据归一化。
5.如权利要求1所述的标准单元布局模型训练方法，其特征...
【专利技术属性】
技术研发人员：叶嘉诚，刘通，李红杰，
申请(专利权)人：华芯巨数杭州微电子有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。