System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及芯片设计领域,尤其涉及一种适用于芯片布线的连通图生成方法。
技术介绍
1、在集成电路设计中,芯片布线是关键步骤之一,其目的是在电路元件间形成电气连接及信号连接。总线长度是指布线走线的总长度,它直接影响信号的传播时间和电路的功耗。总线长度越短,信号传播延迟就越低,功耗也相对减少。倾斜值(skew)则描述了信号在不同路径上到达目的地的时间差异,这对于保证电路同步运行至关重要。在理想情况下,倾斜值应尽可能小,以确保电路元件的同步动作。然而,布线过程中往往需要在总线长度和倾斜值之间做出权衡,因为最短的布线路径不一定能满足最小倾斜值的要求,尤其是在复杂的多层电路设计中。
2、现有技术主要通过算法确定连通图,以实现总线长度最短化。这通常涉及布线算法,如斯坦纳树或最小生成树算法,这些算法能够在给定的引脚集合中找到总线长度最短的连线方式。完成初步布线后,设计师通常利用电子设计自动化工具来计算和验证初步布线后每条信号路径的信号传播时间,并对引脚间的连接做局部调整,以降低倾斜值。
3、尽管现有技术在最小化总线长度方面效果显著,但在处理复杂电路中的总线长度与倾斜值平衡优化时,常常存在效率低下的问题。这主要是由于在传统算法生成最短连通图的基础上,设计者还需依赖个人经验对布线进行手动调整,特别是在需要同时考虑多个优化目标时,这一过程尤为复杂和耗时。
技术实现思路
1、为解决上述问题,本专利技术提供一种适用于芯片布线的连通图生成方法。
2、所述方法包括:
>3、步骤一,定义样本中个引脚的位置坐标集合为,,其中,代表第个引脚的位置坐标,为预先定义的源引脚的位置坐标;
4、步骤二,使用策略网络的编码器对位置坐标集合提取特征,得到最终编码集合,,其中,为源引脚的最终编码,为第个引脚的最终编码;
5、步骤三,利用策略网络的解码器通过迭代的方式预测得到个枢纽引脚后,基于源引脚的最终编码、枢纽引脚的最终编码及最终编码集合生成斯坦纳树并形成连通图;
6、步骤四,使用价值网络的编码器对位置坐标集合提取特征,得到价值网络最终编码集合,对价值网络最终编码集合聚合编码得到价值网络预测的连通图评价值;
7、步骤五,定义策略网络的布线优化目标函数、策略网络的目标函数及价值网络的损失函数,其中,为策略网络的可学习参数,为价值网络的可学习参数;
8、步骤六,基于策略网络的目标函数对策略网络进行训练,基于价值网络的损失函数对价值网络进行训练,直到达到预设的模型收敛条件;所述模型收敛条件指基于连通图计算得到的布线优化目标函数的值小于预定义的阈值。
9、进一步的,步骤二具体包括:
10、步骤二a,将位置坐标集合输入到前馈神经网络进行特征提取,得到各个引脚的激活特征,其中,第个引脚的激活特征为:
11、;
12、其中,和分别是前馈神经网络中两层多层感知器的权重矩阵,是与相对应的偏置向量,是与相对应的偏置向量,代表取最大值函数;
13、步骤二b,将每个引脚的激活特征与源引脚的激活特征拼接得到增强特征,其中,第个引脚的增强特征为:
14、;
15、其中,代表源引脚的激活特征,表示拼接函数;
16、步骤二c,将各引脚的增强特征输入到多头注意力层,得到集成多头关注特征:
17、;
18、;
19、其中,代表第个引脚的增强特征经过单个注意力头得到的单头关注特征,、和分别代表第个引脚的增强特征在单个注意力头中对应的查询向量、关键词向量和值向量,代表多头注意力机制中用于线性变换的权重矩阵,代表单个注意力头的输出,表示如下:
20、;
21、其中,、和分别代表单头注意力机制的查询向量、关键词向量和值向量,代表策略网络的编码器输出的向量维度,代表归一化函数,代表矩阵转置操作;
22、步骤二d,将集成多头关注特征输入到前馈神经网络学习最终残差得到残差特征;
23、步骤二e,将残差特征输入到批标准化层进行归一化处理;
24、步骤二f,将步骤二c、步骤二d和步骤二e按照顺序一共执行指定次数,得到最终编码集合,,其中,为源引脚的最终编码,为第个引脚的最终编码。
25、进一步的,步骤三中所述利用策略网络的解码器通过迭代的方式预测得到个枢纽引脚,其中,第步时解码器选择第个引脚作为枢纽引脚的概率为:
26、;
27、其中,代表归一化函数,代表包括第步预测得到的枢纽引脚的斯坦纳树的树编码;代表双曲正切激活函数,代表策略网络可学习的列向量,代表矩阵转置操作,与分别代表第个引脚的最终编码与树编码对应的权重;
28、包括第步预测得到的枢纽引脚的斯坦纳树的树编码为:
29、;
30、其中,代表取最大值函数,代表可学习的连接边的权重参数,代表第个引脚与源引脚连接得到连接边,其计算方式为:
31、;
32、其中,代表源引脚的最终编码对应的权重,代表第步预测得到的枢纽引脚的最终编码对应的权重。
33、进一步的,步骤四具体包括:
34、将位置坐标集合输入到价值网络,得到引脚的价值网络最终编码集合;
35、对价值网络最终编码集合聚合编码得到价值网络预测的连通图评价值:
36、;
37、其中,代表激活函数,代表矩阵转置操作,代表归一化函数,代表双曲正切激活函数,代表价值网络可学习的列向量。
38、进一步的,步骤五中所述布线优化目标函数为:
39、;
40、其中,代表总线长度,代表倾斜值,和分别代表调节总线长度和倾斜值的平衡参数。
41、进一步的,步骤五中所述策略网络的目标函数为:
42、;
43、其中,为策略网络选取个枢纽引脚的总概率;
44、;
45、其中,表示连乘积运算符,为策略网络的可学习参数,表示策略网络第一步预测得到的枢纽引脚,表示在给定所有引脚位置坐标集合的情况下,作为第一个枢纽引脚被选中的概率;表示策略网络第步预测得到的枢纽引脚,表示在已经选中了前个枢纽引脚且给定所有引脚位置坐标集合的情况下,作为第个枢纽引脚被选中的概率。
46、进一步的,步骤五中所述价值网络的损失函数为:
47、;
48、其中,代表均方误差,为价值网络的可学习参数。
49、进一步的,策略网络的编码器与价值网络的编码器结构相同。
50、进一步的,步骤三中所述基于源引脚的最终编码、枢纽引脚的最终编码及最终编码集合生成斯坦纳树并形成连通图,具体指:
51、以源引脚的最终编码、枢纽引脚的最终编码及最终编码集合作为多源普里姆-迪杰斯特拉算法的输入,生成斯坦纳树并形成连通图。
52、与现有技术相比,本专利技术实施例具有以下有益效果:本文档来自技高网...
【技术保护点】
1.一种适用于芯片布线的连通图生成方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤二具体包括:
3.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤三中所述利用策略网络的解码器通过迭代的方式预测得到个枢纽引脚,其中,第步时解码器选择第个引脚作为枢纽引脚的概率为:
4.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤四具体包括:
5.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤五中所述布线优化目标函数为:
6.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤五中所述策略网络的目标函数为:
7.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤五中所述价值网络的损失函数为:
8.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,策略网络的编码器与价值网络的编码器结构相同。
9.根据权利要求1所述一种适用于
...【技术特征摘要】
1.一种适用于芯片布线的连通图生成方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤二具体包括:
3.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤三中所述利用策略网络的解码器通过迭代的方式预测得到个枢纽引脚,其中,第步时解码器选择第个引脚作为枢纽引脚的概率为:
4.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤四具体包括:
5.根据权利要求1所述一种适用于芯片布线的连通图生成方法,其特征在于,步骤五中所述布...
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。