【技术实现步骤摘要】
本申请涉及eda软件领域，具体地涉及一种自动调整布图算法的eda软件工具。
技术介绍
1、eda软件作为ic设计中非常重要的工具，对ic设计的好坏起着至关重要的作用，尤其是在集成电路布图时，如何在约束条件如面积、功耗等条件之间达成最优解，是eda软件一直努力的方向。为了更好的布图，eda软件中会采用各种算法，但不同的算法都有各自的优缺点，很难说哪种算法在各种场景下都是最优的。随着人工智能的发展，出现了把eda软件中的布图算法用机器学习算法来替代，通过机器学习来找到最优的布图方案。采用机器学习算法需要先通过样本数据对算法进行训练，为了加快训练速度，一般会设置机器学习中的初始权重，迭代次数，判别依据等等参数。
2、但eda软件在进行集成电路布图时，需要结合晶圆厂商的工艺文件，不同晶圆厂商的工艺不同，那么其最优的集成电路布图也是不同的，用一套事先准备好的样本数据训练的机器学习算法，并不能保证在不同的晶圆厂商提供的工艺文件下的布图也是最优的。
3、本专利技术就是提供一种可以自动的调整机器学习算法参数，从而自动调整布图算法的eda软件工具，让eda软件可以适应不同晶圆厂商的工艺，都可以实现最优的集成电路布图。
技术实现思路
1、有鉴于此，本申请提供一种自动调整布图算法的eda软件工具，以利于解决现有技术中不能保证在不同的晶圆厂商提供的工艺文件下的布图也是最优的问题。
2、本申请实施例提供了一种eda软件工具，包括第一存储区，存储有机器学习算法、算法参数、样
3、进一步的，第一存储器内还存储有工艺文件信息与算法参数的映射表，其中，一种工艺文件信息对应一种算法参数。
4、进一步的，算法参数包括机器学习算法初始的权重值，迭代次数，判断标准等信息。
5、进一步的，控制器判断工艺文件信息是否有更新，是通过工艺文件信息中的特征数据来确定。
6、进一步的，数据接口还可以读取或接收外部的样本数据，控制器用外部的样本数据对机器学习算法进行训练。
7、进一步的，还包括算法接口，控制器可以通过算法接口调用外部的人工智能算法来代替自身存储的机器学习算法进行训练。
8、进一步的，还包括第三存储区，控制器将通过数据接口读取或接收到的工艺文件信息存储在第三存储区，控制器通过比较已经存储的工艺文件信息和从数据接口读取或接收到的工艺文件信息进行比较，进而判断工艺文件信息是否有更新。
9、进一步的，将布图算法存储在第二存储区中时，同时存储一个标识信息，标识信息指示此布图算法所对应的工艺文件信息。
10、进一步的，第二存储区存储有多个布图算法，每个布图算法都有一个标识信息，当控制器判断从数据接口读取或接收到的工艺文件信息之前已经生成过对应的布图算法时，根据此工艺文件信息的标识信息调用第二存储区对应的布图算法。
11、进一步的，工艺文件信息和对应的标识信息可以形成映射表，存储在第三存储区中。
12、进一步的，控制器更新算法参数，是通过映射表来更新算法参数；或者是通过算法参数算法，根据工艺文件信息通过算法来得出算法参数。
13、进一步的，数据接口还可以接收或读取用户输出的偏好信息，但数据接口接收或读取到偏好信息后，控制器根据偏好信息调整算法参数。
14、进一步的，样本数据包括低阶样本数据，和高阶样本数据，低阶样本数据的集成电路规模小于高阶样本数据。在采用样本数据对机器学习算法进行训练时，先用低阶样本数据进行训练，然后再用高阶样本数据进行训练。
15、进一步的，可以嵌入到现有eda软件中，或者直接集成在eda软件中。
16、采用本申请实施例所提供的eda软件工具，能够判断工艺文件信息是否发生变化，当工艺文件信息发生变化时，能够根据新的工艺文件信息生成对应的布图算法，这样就可以保证在这样的工艺文件信息情况下布图算法仍然是最优的，进而依靠布图算法进行的集成电路布图也是最优的。
本文档来自技高网...【技术保护点】
1.一种EDA软件工具，包括第一存储区，存储有机器学习算法、算法参数、样本数据；第二存储区，存储有布图算法；数据接口，可以接收或读取有工艺文件信息；其特征在于，还包括控制器，控制器通过数据接口接收或读取工艺文件信息，判断工艺文件信息是否有更新，如果有更新，更新算法参数，用更新后的算法参数和样本数据对机器学习算法进行训练，训练完成后生成布图算法，将布图算法保存在第二存储区中。
2.根据权利要求1所述的EDA软件工具，其特征在于，第一存储器内还存储有工艺文件信息与算法参数的映射表，其中，一种工艺文件信息对应一种算法参数。
3.根据权利要求1所述的EDA软件工具，其特征在于，算法参数包括机器学习算法初始的权重值，迭代次数，判断标准等信息。
4.根据权利要求1所述的EDA软件工具，其特征在于，控制器判断工艺文件信息是否有更新，是通过工艺文件信息中的特征数据来确定。
5.根据权利要求1所述的EDA软件工具，其特征在于，数据接口还可以读取或接收外部的样本数据，控制器用外部的样本数据对机器学习算法进行训练。
6.根据权利要求1所述的E
7.根据权利要求1所述的EDA软件工具，其特征在于，还包括第三存储区，控制器将通过数据接口读取或接收到的工艺文件信息存储在第三存储区，控制器通过比较已经存储的工艺文件信息和从数据接口读取或接收到的工艺文件信息进行比较，进而判断工艺文件信息是否有更新。
8.根据权利要求1所述的EDA软件工具，其特征在于，将布图算法存储在第二存储区中时，同时存储一个标识信息，标识信息指示此布图算法所对应的工艺文件信息。
9.根据权利要求8所述的EDA软件工具，其特征在于，第二存储区存储有多个布图算法，每个布图算法都有一个标识信息，当控制器判断从数据接口读取或接收到的工艺文件信息之前已经生成过对应的布图算法时，根据此工艺文件信息的标识信息调用第二存储区对应的布图算法。
10.根据权利要求9所述的EDA软件工具，其特征在于，工艺文件信息和对应的标识信息可以形成映射表，存储在第三存储区中。
11.根据权利要求10所述的EDA软件工具，其特征在于，控制器更新算法参数，是通过映射表来更新算法参数；或者是通过算法参数算法，根据工艺文件信息通过算法来得出算法参数。
12.根据权利要求1所述的EDA软件工具，其特征在于，数据接口还可以接收或读取用户输出的偏好信息，但数据接口接收或读取到偏好信息后，控制器根据偏好信息调整算法参数。
13.根据权利要求1所述的EDA软件工具，其特征在于，样本数据包括低阶样本数据，和高阶样本数据，低阶样本数据的集成电路规模小于高阶样本数据。在采用样本数据对机器学习算法进行训练时，先用低阶样本数据进行训练，然后再用高阶样本数据进行训练。
14.根据权利要求1所述的EDA软件工具，其特征在于，可以嵌入到现有EDA软件中，或者直接集成在EDA软件中。
...【技术特征摘要】
1.一种eda软件工具，包括第一存储区，存储有机器学习算法、算法参数、样本数据；第二存储区，存储有布图算法；数据接口，可以接收或读取有工艺文件信息；其特征在于，还包括控制器，控制器通过数据接口接收或读取工艺文件信息，判断工艺文件信息是否有更新，如果有更新，更新算法参数，用更新后的算法参数和样本数据对机器学习算法进行训练，训练完成后生成布图算法，将布图算法保存在第二存储区中。
2.根据权利要求1所述的eda软件工具，其特征在于，第一存储器内还存储有工艺文件信息与算法参数的映射表，其中，一种工艺文件信息对应一种算法参数。
3.根据权利要求1所述的eda软件工具，其特征在于，算法参数包括机器学习算法初始的权重值，迭代次数，判断标准等信息。
4.根据权利要求1所述的eda软件工具，其特征在于，控制器判断工艺文件信息是否有更新，是通过工艺文件信息中的特征数据来确定。
5.根据权利要求1所述的eda软件工具，其特征在于，数据接口还可以读取或接收外部的样本数据，控制器用外部的样本数据对机器学习算法进行训练。
6.根据权利要求1所述的eda软件工具，其特征在于，还包括算法接口，控制器可以通过算法接口调用外部的人工智能算法来代替自身存储的机器学习算法进行训练。
7.根据权利要求1所述的eda软件工具，其特征在于，还包括第三存储区，控制器将通过数据接口读取或接收到的工艺文件信息存储在第三存储区，控制器通过比较已经存储的工艺文件信息和从数据接口读取或接收到的工艺文件信...
【专利技术属性】
技术研发人员：刘卫臣，陈亮，
申请(专利权)人：极海微电子股份有限公司，
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。