本申请公开了一种电路时延预测方法、装置、终端设备和可读存储介质。该方法包括：获取电路的第i个net对应的第i个RC网络，1≤i≤I，I为所述电路中的net的总数；基于所述第i个RC网络确定第i个图连接矩阵和第i个特征向量矩阵；利用所述第i个图连接矩阵和所述第i个特征向量矩阵预测所述第i个RC网络的时延。本申请的图连接矩阵包括待预测布线结构中各个路径之间的关系，特征向量矩阵包括待预测布线结构中各个节点的常见属性，进而基于图连接矩阵和特征向量矩阵可以实现对待预测布线结构的准确预测，并且预测速度更快。并且预测速度更快。并且预测速度更快。
【技术实现步骤摘要】
电路时延预测方法、装置、终端设备和可读存储介质
[0001]本专利技术涉及半导体
，尤其涉及一种电路时延预测方法、装置、终端设备和可读存储介质。
技术介绍
[0002]在IC设计流程中，布局阶段需要进行静态时序分析，即在布局阶段的优化中，需要在布线之前通过时序估计来进行指导，对不符合时序收敛条件的路径进行调整。但是，在这一阶段，因为还没有进行布线，精确的时序估计是困难的。
[0003]目前，有两种策略用来解决由于布线信息不足而导致的时序不确定性。一种方法是采取过于悲观的预布线预测，以确保布线后不会发生时序冲突。这种悲观主义会导致过度设计，浪费资源、面积和优化时间。另一种方法是在布线无法实现所需的时序功耗折时迭代回单元位置。但是，多次迭代并不能保证迭代的成功而且多次迭代将大大增加设计周转时间。
技术实现思路
[0004]鉴于上述问题，本申请提出一种电路时延预测方法、装置、终端设备和可读存储介质，缩短电路时延预测时间。
[0005]本申请实施例提出一种电路时延预测方法，所述方法包括：
[0006]获取电路的第i个net对应的第i个RC网络，1≤i≤I，I为所述电路中的net的总数；
[0007]基于所述第i个RC网络确定第i个图连接矩阵和第i个特征向量矩阵；
[0008]利用所述第i个图连接矩阵和所述第i个特征向量矩阵预测所述第i个RC网络的时延。
[0009]本申请实施例所述的电路时延预测方法，所述基于所述第i个RC网络确定第i个图连接矩阵，包括：<br/>[0010]为所述第i个RC网络中的各个节点添加标签；
[0011]基于所述第i个RC网络中的信号流向从所述各个节点中确定信号输出节点；
[0012]将接收第j个信号输出节点输出信号的节点作为所述第j个信号输出节点的相关信号输入节点，1≤j≤J，J为所述第i个RC网络中信号输出节点的总数；
[0013]基于各个节点的标签和各个信号输出节点的相关信号输入节点确定第i个图连接矩阵。
[0014]本申请实施例所述的电路时延预测方法，基于所述第i个RC网络确定第i个特征向量矩阵，包括：
[0015]利用EDA工具确定所述第i个RC网络中的各个引脚节点的压摆率；
[0016]确定与第k个非引脚节点相关的引脚节点，并基于所述相关的引脚节点的压摆率对第k个非引脚节点的压摆率进行赋值，所述与第k个非引脚节点相关的引脚节点为与所述第k个非引脚节点属于同一路径的引脚节点，1≤k≤K，K为所述第i个RC网络中非引脚节点
的总数；
[0017]基于各个节点的相关电容确定所述各个节点的电容值参数，所述引脚节点的相关电容包括引脚电容和连线电容，所述非引脚节点的相关电容包括连线电容；
[0018]基于所述各个节点的连线电阻确定所述各个节点的电阻值参数；
[0019]基于所述各个节点的压摆率、各个节点的电容值参数和各个节点的电阻值参数确定第i个特征向量矩阵。
[0020]本申请实施例所述的电路时延预测方法，所述基于所述相关的引脚节点的压摆率对第k个非引脚节点的压摆率进行赋值，包括：
[0021]利用以下规则对所述第k个非引脚节点的压摆率进行赋值：
[0022]所述第k个非引脚节点的压摆率大于等于第一个相关的引脚节点的压摆率且小于等于第二个相关的引脚节点的压摆率；
[0023]所述第k个非引脚节点与所述第一个相关的引脚节点之间的距离越近，所述第k个非引脚节点的压摆率越接近所述第一个相关的引脚节点的压摆率。
[0024]本申请实施例所述的电路时延预测方法，所述利用所述第i个图连接矩阵和所述第i个特征向量矩阵预测所述第i个RC网络的时延，包括：
[0025]将所述第i个图连接矩阵和所述第i个特征向量矩阵输入至预先训练完成的图神经网络；
[0026]利用所述图神经网络预测所述第i个RC网络的时延。
[0027]本申请实施例所述的电路时延预测方法，所述利用所述图神经网络预测所述第i个RC网络的时延，包括：
[0028]基于所述第i个图连接矩阵和所述第i个特征向量矩阵聚合每一个节点的特征向量和相邻节点的特征向量以获得各个第一聚合特征向量；
[0029]利用第一全连接层和第一激活函数对所述各个第一聚合特征向量进行编码以获得各个第一扩维特征向量；
[0030]聚合每一个节点的第一扩维特征向量和相邻节点的第一扩维特征向量以获得各个第二聚合特征向量；
[0031]利用第二全连接层和第二激活函数对所述各个第二聚合特征向量进行编码得到各个第二扩维特征向量；
[0032]对所述各个第二扩维特征向量进行回归处理以预测所述第i个RC网络的时延。
[0033]本申请实施例所述的电路时延预测方法，还包括：
[0034]预先获取多个RC网络，并确定每一个RC网络的图连接矩阵和特征向量矩阵；
[0035]确定各个RC网络的实际时延，并将各个RC网络的实际时延作为各个图连接矩阵和各个特征向量矩阵的标签；
[0036]利用各个带有标签的图连接矩阵和特征向量矩阵对所述图神经网络进行训练。
[0037]本申请实施例还提出一种电路时延预测装置，所述装置包括：
[0038]获取模块，用于获取电路的第i个net对应的第i个RC网络，1≤i≤I，I为所述电路中的net的总数；
[0039]确定模块，用于基于所述第i个RC网络确定第i个图连接矩阵和第i个特征向量矩阵；
[0040]预测模块，用于利用所述第i个图连接矩阵和所述第i个特征向量矩阵预测所述第i个RC网络的时延。
[0041]本申请实施例还提出一种终端设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时本申请实施例所述的电路时延预测方法。
[0042]本申请实施例还提出一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行本申请实施例所述的电路时延预测方法。
[0043]本申请通过获取电路的第i个net对应的第i个RC网络，1≤i≤I，I为所述电路中的net的总数；基于所述第i个RC网络确定第i个图连接矩阵和第i个特征向量矩阵；利用所述第i个图连接矩阵和所述第i个特征向量矩阵预测所述第i个RC网络的时延。本申请的图连接矩阵包括待预测布线结构中各个路径之间的关系，特征向量矩阵包括待预测布线结构中各个节点的常见属性，进而基于图连接矩阵和特征向量矩阵可以实现对待预测布线结构的准确预测，并且预测速度更快。
附图说明
[0044]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0045]图1示出了本申请实施例中提出的一种包括多个单元的电路网络的结构示意图；
...
【技术保护点】
【技术特征摘要】
1.一种电路时延预测方法，其特征在于，所述方法包括：获取电路的第i个net对应的第i个RC网络，1≤i≤I，I为所述电路中的net的总数；基于所述第i个RC网络确定第i个图连接矩阵和第i个特征向量矩阵；利用所述第i个图连接矩阵和所述第i个特征向量矩阵预测所述第i个RC网络的时延。2.根据权利要求1所述的电路时延预测方法，其特征在于，所述基于所述第i个RC网络确定第i个图连接矩阵，包括：为所述第i个RC网络中的各个节点添加标签；基于所述第i个RC网络中的信号流向从所述各个节点中确定信号输出节点；将接收第j个信号输出节点输出信号的节点作为所述第j个信号输出节点的相关信号输入节点，1≤j≤J，J为所述第i个RC网络中信号输出节点的总数；基于各个节点的标签和各个信号输出节点的相关信号输入节点确定第i个图连接矩阵。3.根据权利要求1所述的电路时延预测方法，其特征在于，基于所述第i个RC网络确定第i个特征向量矩阵，包括：利用EDA工具确定所述第i个RC网络中的各个引脚节点的压摆率；确定与第k个非引脚节点相关的引脚节点，并基于所述相关的引脚节点的压摆率对第k个非引脚节点的压摆率进行赋值，所述与第k个非引脚节点相关的引脚节点为与所述第k个非引脚节点属于同一路径的引脚节点，1≤k≤K，K为所述第i个RC网络中非引脚节点的总数；基于各个节点的相关电容确定所述各个节点的电容值参数，所述引脚节点的相关电容包括引脚电容和连线电容，所述非引脚节点的相关电容包括连线电容；基于所述各个节点的连线电阻确定所述各个节点的电阻值参数；基于所述各个节点的压摆率、各个节点的电容值参数和各个节点的电阻值参数确定第i个特征向量矩阵。4.根据权利要求3所述的电路时延预测方法，其特征在于，所述基于所述相关的引脚节点的压摆率对第k个非引脚节点的压摆率进行赋值，包括：利用以下规则对所述第k个非引脚节点的压摆率进行赋值：所述第k个非引脚节点的压摆率大于等于第一个相关的引脚节点的压摆率且小于等于第二个相关的引脚节点的压摆率；所述第k个非引脚节点与所述第一个相关的引脚节点之间的距离越近，所述第k个非引脚节点的压摆率越接近所述第一个相关的...
【专利技术属性】
技术研发人员：冯春阳，张成，
申请(专利权)人：深圳鸿芯微纳技术有限公司，
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。