【技术实现步骤摘要】
时序数据获取方法、装置、存储介质及电子设备
[0001]本专利技术实施例涉及电子
,具体涉及一种时序数据获取方法、装置、存储介质及电子设备。
技术介绍
[0002]时序数据也称为timing数据,广泛应用于数字电路、模拟电路、集成电路等电子领域。以集成电路为例,集成电路由标准单元构成,集成电路的时序数据可以认为是标准单元的时序数据;标准单元的时序数据可以为标准单元的延迟数据,例如从标准单元的输入端发生电压状态转变到输出端发生电压状态转变的时间。
[0003]时序数据是电路设计需要考虑的重要数据,因此,如何简便快速地获取时序数据,成为了本领域技术人员亟需解决的问题。
技术实现思路
[0004]有鉴于此,本专利技术实施例提供一种时序数据获取方法及相关装置,以简便快速地获取时序数据。
[0005]为解决上述问题,第一方面,本专利技术实施例提供一种时序数据获取方法,包括:
[0006]获取标准单元的工艺数据和时序关联数据,所述工艺数据为设计所述标准单元的工艺参数,所述时序关联数据为在所述工艺数据下,影响所述标准单元的时序数据的影响因子数据;
[0007]调用预训练的机器学习模型;所述机器学习模型基于标准单元的训练数据训练得到,所述训练数据包括标准单元的样本工艺数据、样本时序关联数据以及对应的样本时序数据;
[0008]将所述工艺数据和时序关联数据输入所述机器学习模型,以获得所述机器学习模型输出的所述标准单元在所述工艺数据和时序关联数据对应的时序数据。
[0 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种时序数据获取方法,其特征在于,包括:获取标准单元的工艺数据和时序关联数据;调用预训练的机器学习模型;将所述工艺数据和时序关联数据输入所述机器学习模型,以获得所述机器学习模型输出的所述标准单元在所述工艺数据和时序关联数据对应的时序数据。2.如权利要求1所述的时序数据获取方法,其特征在于,所述工艺数据为设计所述标准单元的工艺参数,所述时序关联数据为在所述工艺数据下,影响所述标准单元的时序数据的影响因子数据。3.如权利要求2所述的时序数据获取方法,其特征在于,所述机器学习模型基于标准单元的训练数据训练得到,所述训练数据包括标准单元的样本工艺数据、样本时序关联数据以及对应的样本时序数据。4.如权利要求3所述的时序数据获取方法,其特征在于,还包括:获取训练数据;以及设置机器学习模型;利用所述训练数据,迭代的训练所述机器学习模型,以使得所述机器学习模型基于样本工艺数据和样本时序关联数据输出的时序数据趋近于对应的样本时序数据。5.如权利要求4所述的时序数据获取方法,其特征在于,还包括:根据所述机器学习模型基于训练数据输出的时序数据以及对应的样本时序数据,确定所述机器学习模型的解释度;当所述机器学习模型的解释度未达到预设解释度阈值时,重新设置机器学习模型。6.如权利要求5所述的时序数据获取方法,其特征在于,还包括:获取测试数据,所述测试数据包括:标准单元的测试工艺数据、测试时序关联数据、以及对应的测试时序数据;获取所述机器学习模型基于所述测试工艺数据和测试时序关联数据输出的时序数据;根据所述机器学习模型基于测试数据输出的时序数据以及对应的测试时序数据,确定所述机器学习模型的解释度;当所述解释度未达到预设解释度阈值时,重新设置机器学习模型。7.如权利要求6所述的时序数据获取方法,其特征在于,所述获取训练数据,包括:调用标准单元的标准单元库表,所述标准单元库表记录有所述标准单元的多个记录,其中,一个记录记录有一项工艺数据对应的时序关联数据和时序数据;从所述标准单元库表的多个记录中获取第一部分记录;针对第一部分记录中的任一个记录,将所记录的工艺数据作为样本工艺数据,将所记录的时序关联数据作为对应的样本时序关联数据,将所记录的时序数据作为对应的样本时序关联数据。8.如权利要求7所述的时序数据获取方法,其特征在于,所述获取训练数据,还包括:量化所述样本工艺数据;标准化处理所述样本工艺数据、所述样本时序数据和所述样本时序关联数据。9.如权利要求7所述的时序数据获取方法,其特征在于,所述获取测试数据,包括:从所述标准单元库表的多个记录中获取第二部分记录,所述第二部分记录不同于所述
第一部分记录;针对第二部分记录中的任一个记录,将所记录的工艺数据作为测试工艺数据,将所记录的时序关联数据作为对应的测试时序关联数据,将所记录的时序数据作为对应的测试时序关联数据,以得到测试数据。10.如权利要求6所述的时序数据获取方法,其特征在于,所述根据所述机器学习模型基于测试数据输出的时序数据以及对应的测试时序数据,确定所述机器学习模型的解释度,包括:根据所述机器学习模型基于测试数据输出的时序数据以及对应的测试时序数据,确定所述机器学习模型的决定系数;根据所述决定系数,确定所述机器学习模型的解释度。11.根据权利要求10所述的时序数据获取方法,其特征在于,所述根据所述机器学习模型基于测试数据输出的时序数据以及对应的测试时序数据,确定所述机器学习模型的决定系数包括:根据所述机器学习模型基于测试数据输出的时序数据以及对应的测试时序数据,调用所述决定系数的计算公式,以确定所述机器学习模型的决定系数,;所述决定系数的计算公式为:其中,R2为所述决定系数;y
技术研发人员:郭翠娜,陈权,
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:
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。