一种芯粒工作状态监测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及芯粒监测技术领域，特别涉及一种芯粒工作状态监测方法、装置、电子设备及存储介质，其中方法包括：获取各芯粒待检测时刻的各项工作参数检测值及一段连续历史时刻的工作参数，并进行标准化处理；截取待检测时刻前最新一段历史时刻的工作参数，输入训练好的CNN

【技术实现步骤摘要】
一种芯粒工作状态监测方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及芯粒监测
，特别涉及一种芯粒工作状态监测方法、装置、电子设备及存储介质。

技术介绍

[0002]芯粒（Chiplet，又称小芯片）是一种功能电路块，芯粒技术是将一个功能丰富且面积较大的芯片裸片（die）拆分成多个芯粒（chiplet），并将这些具有特定功能的芯粒通过封装的形式组合在一起，最终形成一个系统芯片。采用芯粒技术的半导体器件包括多个相互连接、配合的芯粒，若其中有芯粒出现异常，则会影响器件整体的工作效果，甚至导致芯片功能失效。
[0003]目前，现有技术多是对面积较大、功能较完整的芯片进行整体监测，如利用特定电路监测芯片是否耗电正常等。对于多芯粒的器件，通常难以确定每个芯粒的实际状态。

技术实现思路

[0004]针对上述至少一部分不足之处，本专利技术实施例提供了一种芯粒工作状态监测方法、装置、电子设备及存储介质，能够通过各个芯粒的工作参数动态监测单个芯粒及整体器件的工作状态。
[0005]第一方面，本专利技术实施例提供了一种芯粒工作状态监测方法，包括：获取各芯粒待检测时刻的各项工作参数检测值及一段连续历史时刻的工作参数，并进行标准化处理；截取待检测时刻前最新一段历史时刻的工作参数，输入训练好的CNN
‑
LSTM预测模型，获得待检测时刻对应的工作参数预测值；所述CNN
‑
LSTM预测模型是以样本工作参数为输入和以相应的预测工作参数为输出进行训练的；基于一段连续历史时刻的工作参数，确定各项工作参数待检测时刻的参照值；基于各芯粒待检测时刻的各项工作参数检测值、预测值及参照值，判定各芯粒工作状态是否出现异常，是则报警，否则继续检测。
[0006]可选地，单个芯粒的各项工作参数至少包括芯粒的温度、输入电压、输出电压和电流。
[0007]可选地，所述CNN
‑
LSTM预测模型包括连接的CNN网络及LSTM网络；其中，所述LSTM网络包括输入层、全连接层、LSTM层、注意力机制层和输出层，所述输入层用于输入所述CNN网络提取的特征，所述全连接层用于融合输入的特征，所述LSTM层用于基于融合后的特征提取隐层状态，所述注意力机制层用于根据注意力机制调整各隐层状态的概率分布，修正最终输出特征，所述输出层用于通过全连接操作，基于最终输出特征得到对应的工作参数预测值。
[0008]可选地，所述LSTM层中，LSTM单元结构的输入门和遗忘门的前向通道上分别增设有Dropout层，用于在前向传播中对设定范围内的神经元进行失活处理，以抑制过拟合现
象；其中，设于输入门的前向通道的Dropout层丢弃率取值范围为[0.2, 0.4]，设于遗忘门的前向通道的Dropout层丢弃率取值范围为[0.1, 0.3]，且设于遗忘门的前向通道的Dropout层丢弃率低于设于输入门的前向通道的Dropout层丢弃率。
[0009]可选地，所述基于一段连续历史时刻的工作参数，确定各项工作参数待检测时刻的参照值，包括：基于一段连续历史时刻的工作参数，通过多项式拟合，确定各项工作参数对应待检测时刻的参照值。
[0010]可选地，所述基于各芯粒待检测时刻的各项工作参数检测值、预测值及参照值，判定各芯粒工作状态是否出现异常，包括：对于每个芯粒，比较各项工作参数待检测时刻的预测值与参照值，若各项预测值与参照值之间的偏差程度之和大于预设的第一阈值，则认为预测结果出现问题或芯粒出现异常征兆，进行报错，否则继续比较各项工作参数检测值、预测值及参照值，若单项工作参数的预测值与检测值之间的偏差大于预测值与参照值之间的偏差，则认为该项工作参数异常；若单个芯粒有超过一项工作参数异常，则认为该芯粒工作状态出现异常。
[0011]可选地，该方法还包括：对于各个芯粒，若有且只有一项工作参数异常，则将该项工作参数的预测值取代检测值作为当前时刻的工作参数存入，更新历史时刻的工作参数数据集。
[0012]第二方面，本专利技术实施例还提供了一种芯粒工作状态监测装置，包括：获取模块，用于获取各芯粒待检测时刻的各项工作参数检测值及一段连续历史时刻的工作参数，并进行标准化处理；预测模块，用于截取待检测时刻前最新一段历史时刻的工作参数，输入训练好的CNN
‑
LSTM预测模型，获得待检测时刻对应的工作参数预测值；所述CNN
‑
LSTM预测模型是以样本工作参数为输入和以相应的预测工作参数为输出进行训练的；参考模块，用于基于一段连续历史时刻的工作参数，确定各项工作参数待检测时刻的参照值；判定模块，用于基于各芯粒待检测时刻的各项工作参数检测值、预测值及参照值，判定各芯粒工作状态是否出现异常，是则报警，否则继续检测。
[0013]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。
[0014]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。
[0015]本专利技术实施例提供了一种芯粒工作状态监测方法、装置、电子设备及存储介质，本专利技术采用CNN
‑
LSTM预测模型获取各芯粒待检测时刻的工作参数预测值，再结合根据历史时刻工作参数确定的参照值，对芯粒待检测时刻工作参数检测值进行异常判定，从而监测各芯粒实际工作状态，以便及时发现异常征兆。
附图说明
[0016]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，下面描述中的附图是本专利技术的一些实施例，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，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术一实施例提供的一种芯粒工作状态监测方法流程图；图2是本专利技术一实施例提供的一种电子设备的硬件架构图；图3是本专利技术一实施例提供的一种芯粒工作状态监测装置结构图。
具体实施方式
[0018]为使本专利技术实施例的目的、技术方案和优点更加清楚，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的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。
[0019]如前所述，采用芯粒技术的半导体器件包括多个相互连接、配合的芯粒，若其中有芯粒出现异常，则会影响器件整体的工作效果，甚至导致芯片功能失效。目前，现有技术多是对面积较大、功能较完整的芯片进行整体监测，如利用特定电路监测芯片是否耗电正常等。对于多芯粒的器件，通常难以确定每个芯粒的实际状态。有鉴于此，本专利技术提出一种对各个芯粒工作状态进行检测及分析的方法，以及时发现异常征兆。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种芯粒工作状态监测方法，其特征在于，包括：获取各芯粒待检测时刻的各项工作参数检测值及一段连续历史时刻的工作参数，并进行标准化处理；截取待检测时刻前最新一段历史时刻的工作参数，输入训练好的CNN
‑
LSTM预测模型，获得待检测时刻对应的工作参数预测值；所述CNN
‑
LSTM预测模型是以样本工作参数为输入和以相应的预测工作参数为输出进行训练的；基于一段连续历史时刻的工作参数，确定各项工作参数待检测时刻的参照值；基于各芯粒待检测时刻的各项工作参数检测值、预测值及参照值，判定各芯粒工作状态是否出现异常，是则报警，否则继续检测。2.根据权利要求1所述的方法，其特征在于，单个芯粒的各项工作参数至少包括芯粒的温度、输入电压、输出电压和电流。3.根据权利要求2所述的方法，其特征在于，所述CNN
‑
LSTM预测模型包括连接的CNN网络及LSTM网络；其中，所述LSTM网络包括输入层、全连接层、LSTM层、注意力机制层和输出层，所述输入层用于输入所述CNN网络提取的特征，所述全连接层用于融合输入的特征，所述LSTM层用于基于融合后的特征提取隐层状态，所述注意力机制层用于根据注意力机制调整各隐层状态的概率分布，修正最终输出特征，所述输出层用于通过全连接操作，基于最终输出特征得到对应的工作参数预测值。4.根据权利要求3所述的方法，其特征在于，所述LSTM层中，LSTM单元结构的输入门和遗忘门的前向通道上分别增设有Dropout层，用于在前向传播中对设定范围内的神经元进行失活处理，以抑制过拟合现象；其中，设于输入门的前向通道的Dropout层丢弃率取值范围为[0.2, 0.4]，设于遗忘门的前向通道的Dropout层丢弃率取值范围为[0.1, 0.3]，且设于遗忘门的前向通道的Dropout层丢弃率低于设于输入门的前向通道的Dropout层丢弃率。5.根据权利要求2所述的方法，其特征在于，所述基于一段连续历史时刻的工作参数，确定各项工作参数待检测时刻的参照值，包括：基于一段连续历史时刻的工...

【专利技术属性】
技术研发人员：王嘉诚，张少仲，张栩，
申请(专利权)人：中诚华隆计算机技术有限公司，
类型：发明
国别省市：