【技术实现步骤摘要】
【国外来华专利技术】使用量化预测函数的机器学习电路优化相关申请本申请要求于2019年1月15日提交的题为“MACHINE-LEARNINGCIRCUITOPTIMIZATIONUSINGQUANTIZEDPREDICTIONFUNCTIONS(使用量化预测函数的机器学习电路优化)”的美国专利申请第16/248,029号的优先权,该申请要求于2018年1月19日提交的题为“CIRCUITPOWEROPTIMIZATIONUSINGACTIVEMACHINELEARNINGANDQUANTIZEDFUNCTIONS(使用主动机器学习和量化函数的电路功率优化)”的美国临时专利申请第62/619,143号的优先权,并且该申请通过引用并入本文。
本专利技术涉及用于在基于集成电路(IC)设计制造IC器件之前开发IC设计的电子设计自动化(EDA)软件工具。更具体地,本专利技术涉及在开发期间通过EDA软件工具使用优化工具来优化IC设计的性能特性(例如,最大操作速度、最低功耗)。专利技术的背景由于新IC器件的复杂性不断增加,现在认为电子设计自动化(EDA)软件工具在使用一个或多个IC“芯片”将每个新的电子系统构想转换成相应的集成电路(IC)器件的过程中是必要的。即,IC设计者利用EDA工具来开发他们认为能够实现新的电子系统构想的初始IC设计(即,IC器件的软件描述),分析和修改该初始IC设计以便验证最终IC设计执行针对该电子系统构想的操作目标集,并且随后生成并检查定义能够实现最终IC设计的物理IC芯片的一系列IC布局(也称为掩模设计或
【技术保护点】
1.一种在计算机中的电子设计自动化(EDA)工具,所述EDA工具包括指令,所述指令当由所述计算机的处理器执行时,使所述处理器执行包括以下步骤的方法:/n使用对应于先前生成的优化解决方案的多个量化第一训练数据条目生成预测函数,其中每个量化第一训练数据条目包括相应的第一输入矢量和相应的第一输出矢量,所述第一输入矢量包括第一输入矢量值,所述第一输入矢量值可操作地表征相关联的所述先前生成的优化解决方案的相应的第一初始电路部分,所述第一输出矢量包括一个或多个第一输出矢量值,所述一个或多个第一输出矢量值可操作地表征所述相关联的先前生成的优化解决方案的相应的第一替换电路部分;/n通过将第二输入矢量施加到所述预测函数来利用所述预测函数生成针对第二初始电路部分的预测的输出矢量,所述第二输入矢量包括第二输入矢量值,所述第二输入矢量值可操作地表征所述第二初始电路部分,并且所述预测的输出矢量包括一个或多个第二输出矢量值;以及/n利用所述预测的输出矢量的所述一个或多个第二输出矢量值来从一组替代电路部分中选择第二替换电路部分,每个所述替代电路部分包括一个或多个相应的第三输出矢量值,其中选择所述第二替换电路部分包括 ...
【技术特征摘要】
【国外来华专利技术】20180119 US 62/619,143;20190115 US 16/248,0291.一种在计算机中的电子设计自动化(EDA)工具,所述EDA工具包括指令,所述指令当由所述计算机的处理器执行时,使所述处理器执行包括以下步骤的方法:
使用对应于先前生成的优化解决方案的多个量化第一训练数据条目生成预测函数,其中每个量化第一训练数据条目包括相应的第一输入矢量和相应的第一输出矢量,所述第一输入矢量包括第一输入矢量值,所述第一输入矢量值可操作地表征相关联的所述先前生成的优化解决方案的相应的第一初始电路部分,所述第一输出矢量包括一个或多个第一输出矢量值,所述一个或多个第一输出矢量值可操作地表征所述相关联的先前生成的优化解决方案的相应的第一替换电路部分;
通过将第二输入矢量施加到所述预测函数来利用所述预测函数生成针对第二初始电路部分的预测的输出矢量,所述第二输入矢量包括第二输入矢量值,所述第二输入矢量值可操作地表征所述第二初始电路部分,并且所述预测的输出矢量包括一个或多个第二输出矢量值;以及
利用所述预测的输出矢量的所述一个或多个第二输出矢量值来从一组替代电路部分中选择第二替换电路部分,每个所述替代电路部分包括一个或多个相应的第三输出矢量值,其中选择所述第二替换电路部分包括确定所述替代电路部分中的具有与所述预测的输出矢量的所述一个或多个第二输出矢量值最接近地匹配的相应的一个或多个所述第三输出矢量值的最优电路部分。
2.如权利要求1所述的EDA工具,其特征在于,生成所述预测函数包括使用常规优化工具生成所述先前生成的优化解决方案中的至少一些优化解决方案,并且随后使用所述先前生成的优化解决方案中的所述至少一些优化解决方案来生成所述量化第一训练数据条目。
3.如权利要求2所述的EDA工具,其特征在于,生成量化第一训练数据条目包括生成可操作地描述在相关联的所述先前生成的优化解决方案期间被替换的初始电路组件的输入矢量,以及生成可操作地描述在所述相关联的先前生成的优化解决方案期间替换相应的初始电路组件的替换电路组件的输出矢量。
4.如权利要求1所述的EDA工具,其特征在于,所述每个量化第一训练数据条目的所述相应的第一输入矢量的所述第一输入矢量值包括初始功耗值和所述相应的第一输出矢量的所述一个或多个第一输出矢量值,所述初始功耗值可操作地表征所述先前生成的优化解决方案的所述第一初始电路部分的功耗,所述一个或多个第一输出矢量值可操作地表征所述相关联的先前生成的优化解决方案的所述相应的第一替换电路部分的最终功耗。
5.如权利要求4所述的EDA工具,其特征在于,所述相应的第一输入矢量的所述第一输入矢量值进一步包括至少一个定时值和所述相应的第一输出矢量的所述一个或多个第一输出矢量值,所述至少一个定时值可操作地表征所述第一初始电路部分的定时特性,所述一个或多个第一输出矢量值可操作地表征所述相关联的先前生成的优化解决方案的所述相应的第一替换电路部分的最终定时特性。
6.如权利要求1所述的EDA工具,其特征在于,生成所述预测函数包括:
将所述多个量化第一训练数据条目组织成多个训练数据组,使得每个所述训练数据组包括所述量化第一训练数据条目的相应部分;
针对每个所述训练数据组计算训练数据组值,其中每个所述训练数据组值包括使用在所述每个训练数据组中的所述多个训练数据条目的所述第一输入矢量值计算的相关联的平均输入矢量值,并且其中每个训练数据组值还包括使用在所述每个训练数据组中的所述多个训练数据条目的所述第一输出矢量值计算的相关联的平均输出矢量值;以及
利用所述训练数据组值生成所述预测函数。
7.如权利要求6所述的EDA工具,其特征在于,利用所述训练数据组值生成所述预测函数包括:生成多个线性公式,每个所述线性公式被配置成当所述第二输入矢量值在由所述相关联的训练数据组值对定义的相关联的分量输入矢量值对之间时,生成针对所述第二输入矢量值的所述预测的输出矢量值。
8.如权利要求7所述的EDA工具,其特征在于,所述每个线性公式包括通过将相关联的分量输出矢量值对之间的差除以所述相关联的分量输入矢量值对之间的差而计算的斜率,其中所述相关联的分量输出矢量值对分别由所述相关联的训练数据组值对定义。
9.如权利要求6所述的EDA工具,其特征在于,利用所述训练数据组值生成所述预测函数包括:生成至少一个多维平面公式,所述多维平面公式被配置成当所述第二输入矢量值在由所述训练数据组值中的三个或更多个所定义的分量输入矢量值界定的多维范围内时,生成针对所述第二输入矢量值的所述预测的输出矢量值。
10.如权利要求1所述的EDA工具,其特征在于,所述多个量化第一训练数据条目被存储在训练数据库中,并且其中所述方法进一步包括更新所述训练数据库以包括第二训练数据条目,所述第二训练数据条目包括所述第二输入矢量和可操作地表征所述所选择的第二替换电路部分的相关联的输出矢量。
11.如权利要求10所述的EDA工具,其特征在于,所述方法进一步包括使用所述多个量化第一训练数据条目和所述第二训练...
【专利技术属性】
技术研发人员:N·吴,
申请(专利权)人:辛奥普希斯股份有限公司,
类型:发明
国别省市:美国;US
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。