时序数据获取方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术实施例提供了一种时序数据获取方法、装置、存储介质及电子设备。其中时序数据获取方法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。这样，可以简便快速地获取时序数据。可以简便快速地获取时序数据。可以简便快速地获取时序数据。

【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。
[0009]第二方面，本专利技术实施例还提供一种时序数据获取装置，包括：
[0010]数据获取单元，用于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；
[0011]模型调用单元，用于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；
[0012]时序数据确定单元，用于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。
[0013]第三方面，本专利技术实施例还提供一种存储介质，所述存储介质有适于处理器执行的一条或多条计算机可执行指令，以实现如第一方面所述的时序数据获取方法。
[0014]第四方面，本专利技术实施例还提供一种电子设备，包括存储器和处理器，存储器存储一条或多条计算机可执行指令，处理器调用所述一条或多条计算机可执行指令，以执行如第一方面所述的时序数据获取方法。
[0015]本专利技术实施例所提供的时序数据获取方法，包括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；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时序数据、样本时序关联数据以及对应的样本时序数据；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。
[0016]这样，本专利技术实施例通过调用预训练的机器学习模型，只需在机器学习模型中输入标准单元的工艺数据和时序关联数据便可以获得相应的时序数据，从而可以简便快速地获取在集成电路、数字电路和模拟电路中标准单元的时序数据。
附图说明
[0017]为了更清楚地说明本专利技术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。
[0018]图1为一种标准单元库表的示例图；
[0019]图2为本专利技术实施例所提供的时序数据获取方法的一示意图；
[0020]图3为本专利技术实施例所提供的时序数据获取方法的机器学习模型训练方法的一示意图；
[0021]图4为本专利技术实施例所提供的时序数据获取方法的训练数据获取方法的一流程示意图；
[0022]图5为机器学习模型的对照示意图；
[0023]图6为根据本申请提供的机器学习模型获取的时序数据和真实的时序数据的对比示意图；
[0024]图7为本专利技术实施例所提供的时序数据获取装置的一框图；
[0025]图8为本专利技术实施例所提供的时序数据获取装置的另一框图；
[0026]图9为本专利技术实施例所提供的时序数据获取装置的另一框图；
[0027]图10为本专利技术实施例所提供的电子设备的框图。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0029]电路设计软件提供的库工具可以记录标准单元的工艺数据和时序关联数据所对
应的时序数据，因此可以通过库工具的记录，基于标准单元的工艺数据和时序关联数据，获取到对应的时序数据。在一个示例中，工艺数据例如工艺角数据、电压数据和温度数据(PVT)，时序关联数据例如输入斜率数据(slew)和输出负载数据(load)，时序数据例如延迟数据。
[0030]在一种实现示例中，库工具可以通过标准单元库表记录标准单元的工艺数据、时序关联数据和对应的时序数据；标准单元库表作为电子设计自动化(EDA)软件的输入，EDA软件可基于标准单元库表所提供的逻辑单元(Logic Cell)完成电路综合(Synthesis)、技术映射(Technology Mapping)和优化(Optimization)。标准单元库表会描述两大类基本的逻辑单元(Logic Cell)，分别是组合逻辑单元(Combinational Cell)和时序逻辑单元(Sequential Cell)。
[0031]为便于理解，请参考图1，图1为一种标准单元库表的示例图。如图1所示，库工具以标准单元库表的形式记录了标准单元的工艺数据和时序关联数据所对应的时序数据。电路设计人员可以查找所述标准单元库表，获取对应的时序数据，例如：当工艺角数据为1，电压数据为0.95V，温度数据为85℃，以及输入斜率数据为1.93613，输出负载数据为0.238794时，通过查找可以得知对应的延迟数据为1.81838，从而可以利用所述延迟数据1.81838进行后续电路设计，或者判断所述延迟数据是否符合电路设计限制条件，从而进行后续调整。
[0032]但是，如图所示，库工具记录的数据为离散形式，且设计时所需的工艺数据和时序关联数据可能相本文档来自技高网...

【技术保护点】

【技术特征摘要】
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

【专利技术属性】
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：