芯片内部电压预测模型生成方法、预测方法及相关装置制造方法及图纸

本申请实施例提供一种芯片内部电压预测模型生成方法、预测方法及相关装置，所述芯片内部电压预测模型生成方法包括：分别获取芯片的负荷数据集以及相关指标数据集；根据校准周期数对所述相关指标数据集进行校准，获得校准后的相关指标数据集；基于所述负荷数据集以及所述校准后的相关指标数据集训练所述芯片内部电压预测模型，得到训练完成的所述芯片内部电压预测模型。本申请实施例提供的方法可以提前预测到芯片内部电压情况，从而可以及时对芯片的运行状态做出干预。片的运行状态做出干预。片的运行状态做出干预。

【技术实现步骤摘要】
芯片内部电压预测模型生成方法、预测方法及相关装置


[0001]本专利技术实施例涉及集成电路
，具体涉及一种芯片内部电压预测模型生成方法、预测方法及相关装置。

技术介绍

[0002]系统级芯片或称片上系统(System
‑
on
‑
a
‑
Chip，SOC)，是一个有专用目标的集成电路，系统级芯片的供电系统包括：供电电源、电源连线、内部电源网络等，系统级芯片的内部器件与内部电源网络相连，内部电源网络通过电源连线与供电电源相连。在系统级芯片工作过程中，内部电源网络与供电电源之间的电源连线会产生电流，同时由于供电电源内阻和电源网络内阻的存在，从供电电源到内部电源网络会有一电压降，又由于内部器件连接到内部电源网络，所以又可以认为该电压降为供电电源到芯片内部器件的电压降。然而当芯片的负载突然加大时，电流随时间的变化率(DIDT)突然增大，在短时间内电源功率不变的情况下，供电电源到芯片内部器件的电压降将会变大，内部器件上的电压将会急剧下降，有可能引起整个系统级芯片功能失效。
[0003]针对上述问题，现有的解决方案是，通过实时检测芯片中与DIDT相关的数据，以评估芯片内部电压是否发生异常，在确认芯片内部电压异常后对芯片的运行状态做出干预。然而，当判断出芯片内部电压异常后，往往已经来不及对芯片的运行状态做出干预。因此，如何及时发现DIDT导致的芯片内部电压异常成为了本领域技术人员亟需解决的技术问题。

技术实现思路

[0004]有鉴于此，本申请实施例提供一种芯片内部电压预测模型生成方法、预测方法及相关装置，能够提前预测芯片内部电压。
[0005]为实现上述目的，本申请实施例提供如下技术方案。
[0006]第一方面，本专利技术实施例提供一种芯片内部电压预测模型生成方法，包括：
[0007]分别获取芯片的负荷数据集以及相关指标数据集，其中，所述负荷数据集包括所述芯片在每个采样周期的负荷数据以及所述负荷数据所对应的采样周期序数，所述相关指标数据集包括在每个所述采样周期的表征芯片内部电压的表征数据以及所述表征数据所对应的采样周期序数；
[0008]根据校准周期数对所述相关指标数据集进行校准，获得校准后的相关指标数据集；
[0009]基于所述负荷数据集以及所述校准后的相关指标数据集训练所述芯片内部电压预测模型，得到训练完成的所述芯片内部电压预测模型。
[0010]第二方面，本申请实施例还提供一种芯片内部电压预测模型生成装置，包括：
[0011]获取模块，用于分别获取芯片的负荷数据集以及相关指标数据集，其中，所述负荷数据集包括所述芯片在每个采样周期的负荷数据以及所述负荷数据所对应的采样周期序数，所述相关指标数据集包括在每个所述采样周期的表征芯片内部电压的表征数据以及所
述表征数据所对应的采样周期序数；
[0012]校准模块，用于根据校准周期数对所述相关指标数据集进行校准，获得校准后的相关指标数据集；
[0013]训练模块，用于基于所述负荷数据集以及所述校准后的相关指标数据集训练所述芯片内部电压预测模型，得到训练完成的所述芯片内部电压预测模型。
[0014]第三方面，本申请实施例还提供一种芯片内部电压预测方法，包括：
[0015]获取芯片的实时负荷数据；
[0016]利用如前述的芯片内部电压预测模型生成方法所获取的芯片内部电压预测模型，获取所述芯片内部电压预测数据。
[0017]第四方面，本申请实施例还提供一种芯片内部电压预测装置，包括：
[0018]实时获取模块，用于获取芯片的实时负荷数据；
[0019]预测模块，用于利用如前述的芯片内部电压预测模型生成方法所获取的芯片内部电压预测模型，获取所述芯片内部电压预测数据。
[0020]第五方面，本申请实施例还提供一种存储介质，所述存储介质存储有适于芯片内部电压预测模型生成的程序，以实现如前述的芯片内部电压预测模型生成方法，或者所述存储介质存储有适于芯片内部电压预测的程序，以实现如前述的芯片内部电压预测方法。
[0021]第六方面，本申请实施例还提供一种电子设备，包括至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以执行如前述的芯片内部电压预测模型生成方法，或者以执行如前述的芯片内部电压预测方法。
[0022]第七方面，本申请实施例还提供一种芯片，包括：指令统计单元，用于获取所述芯片中处于指令生命周期的各类指令数量；缓存取数统计单元，用于获取所述芯片中缓存进行中的读写数量；预测单元，用于利用如前述的芯片内部电压预测模型生成方法所获取的芯片内部电压预测模型，根据所述指令统计单元所获取的所述各类指令数量以及所述缓存取数统计单元所获取的所述读写数量，获取所述芯片内部电压预测数据。
[0023]可以看出，本专利技术实施例提供的芯片内部电压预测模型的生成方法、预测方法以及相关装置可以提前预测出芯片内部电压情况，从而可以根据预测出的芯片内部电压提前发现芯片内部电压异常，及时对芯片的运行状态做出相应干预。
附图说明
[0024]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0025]图1为一种系统级芯片的供电结构示意图；
[0026]图2为本专利技术实施例提供的芯片内部电压预测模型生成方法的流程图；
[0027]图3为本专利技术实施例涉及的指令生命周期示意图；
[0028]图4为本专利技术实施例涉及的配置有电源监控器的系统级芯片结构示意图；
[0029]图5本专利技术实施例提供的校准周期数的计算方法的流程图；
[0030]图6本专利技术实施例提供的芯片内部电压预测方法的流程图；
[0031]图7本专利技术实施例提供的芯片内部电压预测模型生成装置框图；
[0032]图8本专利技术实施例提供的芯片内部电压预测模型生成装置校准模块的框图；
[0033]图9本专利技术实施例提供的芯片内部电压预测装置框图。
具体实施方式
[0034]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0035]如
技术介绍
所述，现有技术通过实时检测集成电路中与DIDT相关的数据判断芯片内部电压是否发生异常，进而对集成电路的运行状态做出干预。下面对现有的检测芯片内部电压的方法进行介绍。
[0036]参考图1，图中示出了系统级芯片的供电结构示意图。示例中的系统级芯片或是一个有专用目标的集成电路，系统级芯片中包含完整系统并有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种芯片内部电压预测模型生成方法，其特征在于，包括：分别获取芯片的负荷数据集以及相关指标数据集，其中，所述负荷数据集包括所述芯片在每个采样周期的负荷数据以及所述负荷数据所对应的采样周期序数，所述相关指标数据集包括在每个所述采样周期的表征芯片内部电压的表征数据以及所述表征数据所对应的采样周期序数；根据校准周期数对所述相关指标数据集进行校准，获得校准后的相关指标数据集；基于所述负荷数据集以及所述校准后的相关指标数据集训练所述芯片内部电压预测模型，得到训练完成的所述芯片内部电压预测模型。2.根据权利要求1所述的方法，其特征在于，所述分别获取芯片的负荷数据集以及相关指标数据集的步骤中，所述负荷数据包括指令数据和/或缓存数据；其中，所述指令数据为所述芯片处于指令生命周期的各类指令的数量，所述缓存数据为所述芯片的缓存进行中的读写数量。3.根据权利要求1所述的方法，其特征在于，所述分别获取芯片的负荷数据集以及相关指标数据集的步骤中，所述表征数据为电源监控数据和/或功耗数据。4.根据权利要求1所述的方法，其特征在于，所述根据校准周期数对所述相关指标数据集进行校准，获得校准后的相关指标数据集的步骤中，所述校准周期数的计算方法包括：记录在逐渐增加所述芯片的计算负荷至最值并保持所述最值状态的过程中，所述负荷数据达到负荷数据最值时所对应的采样周期序数T1、所述表征数据达到表征数据最值时所对应的采样周期序数T2；将所述负荷数据达到负荷数据最值时所对应的采样周期序数T1与所述表征数据达到表征数据最值时所对应的采样周期序数T2之间的差值作为所述校准周期数。5.根据权利要求1所述的方法，其特征在于，所述根据校准周期数对所述相关指标数据集进行校准的步骤包括：将所述相关指标数据集中的所述表征数据所对应的采样周期序数减少所述校准周期数。6.根据权利要求1所述的方法，其特征在于，所述采样周期为所述芯片的时钟周期。7.一种芯片内部电压预测模型生成装置，其特征在于，包括：获取模块，用于分别获取芯片的负荷数据集以及相关指标数据集，其中，所述负荷数据集包括所述芯片在每个采样周期的负荷数据以及所述负荷数据所对应的采样周期序数，所述相关指标数据集包括在每个所述采样周期的表征芯片内部电压的表征数据以及所述表征数据所对应的采样周期序数；校准模...

【专利技术属性】
技术研发人员：代开勇，杨译，付兴飞，潘于，
申请(专利权)人：海光信息技术股份有限公司，
类型：发明
国别省市：