基于图神经网络的RC互连延时预测方法技术

本发明专利技术提出了一种基于图神经网络的RC互连延时预测方法，本方法根据SPEF寄生参数网表，首先基于DFS(DepthFirstSearch)算法搜索得到若干RC路径，并将每条RC路径进行图表示，其中RC路径中的节点对应图的节点，节点之间的连接关系对应图的边，对地电容值、耦合电阻值分别定义为图的节点属性和边属性；然后再经由基于图卷积神经网络的推理框架进行延时推理得到结果。该方法包括两个部分：SPEF解析模块，图神经网络网络预测模块。相比使用Elmore模型和D2M模型，使用合适的图神经网络对RC路径进行图建模，可以更加快速并且准确地预测RC互连线的延时，及早发现时序违例，缩短收敛时间。缩短收敛时间。缩短收敛时间。

【技术实现步骤摘要】
基于图神经网络的RC互连延时预测方法


[0001]本专利技术属于芯片互连线延时预测领域，尤其涉及一种基于图神经网络的RC互连延时预测方法。

技术介绍

[0002]传统设计流程中路径延时计算以精确模型进行求解，其效率随着电路规模的增大越发受到限制。而先进工艺中线时延在时序中所占比重越来越高，而且造成设计过程中迭代周期长，次数多。传统的互连线时序计算方法有Wire
‑
loadModels,ElmoreDelay等。互连线延时由于绕线的长度不同、密度不同、分布不同、等效模型不同、传播方法不同等因素对延时精度精确计算造成极大影响。而使用HSPICE等电路仿真软件进行互连线延时计算会带来巨大的时间消耗。

技术实现思路

[0003]本专利技术目的在于提供一种基于图神经网络的RC互连延时预测方法,以解决布局布线阶段能够快速精确预测RC互连延时的技术问题。
[0004]为解决上述技术问题，本专利技术的具体技术方案如下：
[0005]一种基于图神经网络的RC互连延时预测方法，图神经网络是图卷积神经网络Graph 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的RC互连延时预测方法，其特征在于，所述图神经网络是图卷积神经网络GCN；所述RC互连延时是集成电路布局布线后单元电路间、模块内和多芯片组件间的信号传输载体的延时；所述方法包括以下步骤：S1：根据布局布线后提取的标准寄生交换格式SPEF网表相关信息，通过深度优先搜索Depth First Search原理寻找源点sourcepoint到终点endpoint对应的RC路径，构建待预测的RC路径的图拓扑信息以及节点和边的特征信息；通过HSPICE得到RC路径延时的标签值；S2：将S1步骤中每条RC路径的图拓扑信息、节点和边的特征信息以及标签值，作为图卷积神经网络的输入，该网络经过训练后将建立起从RC路径获取的图表示信息与延时信息之间的联系，作为图卷积神经网络模型参数；S3：将使用S1步骤生成待预测RC路径的图拓扑信息以及节点和边特征信息，以及S2步骤中已训练好的图卷积神经网络模型参数作为图卷积神经网络的输入，进行RC互连延时的推理。2.根据权利要求1所述的基于图神经网络的RC互连延时预测方法，其特征在于，所述步骤S1具体包括以下步骤：S11：读取SPEF网表，对SPEF文件中的每一个RC网络生成对应的RCT结构体，将其存储到RCT_MAP结构体中；S12：遍历RCT_MAP结构体中的每个RCT，通过DFS算法搜索出从起点sourcepoint到终点endpoints的RC路径RC_Path，然后进行一跳1
‑
hop节点的扩展，将RC路径信息存储到RC_Path结构体中；若RCT存在多个终点，则重复执行RC路径搜索过程；S13：将每条RC路径转换为有向有环图Graph,生成对应的邻接矩阵；将对地电容定义为Graph中的节点特征，将耦合电阻表示为Graph中的...

【专利技术属性】
技术研发人员：卜爱国，贾书昊，
申请(专利权)人：东南大学，
类型：发明
国别省市：