(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111554532.6 (22)申请日 2021.12.17 (65)同一申请的已公布的文献号 申请公布号 CN 114065693 A (43)申请公布日 2022.02.18 (73)专利权人 瑞安市和乐电子科技有限公司 地址 325200 浙江省温州市瑞安市 汀田街 道金前村 (72)发明人 金宣黄　李运勇　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 何平 (51)Int.Cl. G06F 30/392(2020.01) G06F 30/398(2020.01)G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 115/12(2020.01) (56)对比文件 US 6868374 B1,20 05.03.15 CN 110968979 A,2020.04.07 审查员 严荣 (54)发明名称 超大规模集 成电路结构布局的优化方法、 系 统和电子设备 (57)摘要 本申请涉及超 大规模集 成电路的领域， 其具 体地公开了一种超大规模集成电路结构布局的 优化方法、 系统和电子设备， 其对芯片布局图进 行网格化， 以确定所示芯片布局图上各个模块对 应的网格位置， 同时利用卷积神经网络模型来提 取出所述相应模块之间的关联特征并进行空间 编码， 以得到符合电流密度的空间关系的特征表 示， 进一步计算连通域内的各位置对应的水平方 向和垂直方向上的块电阻特征值， 再基于空间路 径效应对所述每个位置进行电压降模型的计算 以得到电压降特征矩阵， 进而得到更为准确的分 类结果。 这样， 可 以对所述芯片布局图时是否满 足所述各模块的电压降条件进行准确地判断， 从 而使得制造出的集成电路性能更高。 权利要求书3页 说明书14页 附图5页 CN 114065693 B 2022.08.12 CN 114065693 B 1.一种超大规模集成电路结构布局的优化方法， 其特 征在于， 包括： 获取芯片布局图； 对所述芯片布局图基于块模块的网格化处理并基于所述芯片布局图中各个块模块与 电源引脚之间在电源地线网络上的距离来构造初始 距离矩阵； 使用卷积神经网络对所述初始距离矩阵进行空间编码以获得用于表示电流密度的空 间关系的特 征分布的编码距离矩阵； 以所述编码距离矩阵中各个位置的特征值中的最大值作为最大值对所述编码距离矩 阵中各个位置的特 征值进行基于最大值的归一 化处理以获得电流密度特 征矩阵； 基于所述编码距离矩阵来构造电阻特 征矩阵； 计算所述电阻特征矩阵中各个位置在其水平方向和垂直方向上的其他位置的特征值 的分布确定该位置的连通域， 并以该位置的所述连通域中各个位置的特征值来作为该位置 对应的水平方向和垂直方向上的块电阻特 征值， 以获得块电阻特 征值特征矩阵； 基于所述电流密度特征矩阵中各个位置的特征值， 计算所述块电阻特征值特征矩阵中 的各个位置的电压降特 征值， 以获得电压降特 征矩阵； 以及 将所述电压降特征矩阵输入分类器以获得用于表示芯片布局图是否满足各模块的电 压降条件的分类结果； 基于所述电流密度特征矩阵中各个位置的特征值， 计算所述块电阻特征值特征矩阵中 的各个位置的电压降特 征值， 以获得电压降特 征矩阵， 包括： 基于所述电流密度特征矩阵中各个位置的特征值， 以如下公式计算所述块电阻特征值 特征矩阵中的各个位置的电压降特 征值， 以获得 所述电压降特 征矩阵； 其中， 所述公式为： 其中 是所述电流密度特征矩阵中的相应位置的特征值， 和 分别是预定位置在 宽度和高度维度上的路径 距离， 且， 和 。 2.根据权利要求1所述的超大规模集成电路结构布局的优化方法， 其中， 对所述芯片布 局图基于块模块的网格化处理并基于所述芯片布局图中各个块模块与电源引脚之间在电 源地线网络上的距离来构造初始 距离矩阵， 包括： 对所述芯片布局图进行网格化处理以确定所述芯片布局图中各个块模块的网格位置； 以及 在对应的所述网格位置中填入对应的所述块模块与所述电源引脚之间在电源地线网 络上的距离以获得 所述初始 距离矩阵。 3.根据权利要求2所述的超大规模集成电路结构布局的优化方法， 其中， 使用卷积神经 网络对所述初始距离矩阵进行空间编码以获得用于表示电流密度的空间关系的特征分布 的编码距离矩阵， 包括：权　利　要　求　书 1/3 页 2 CN 114065693 B 2所述卷积神经网络除最后一层以外的其他层以如下公式对所述初始距离矩阵进行空 间编码以获得 特征图， 其中， 所述公式为： 其中， 为第i层卷积神经网络的输入， 为第i层卷积神经网络的输出， 为第i层卷 积神经网络的过滤器， 且 为第i层神经网络的偏置矩阵， 表示非线性激活函数； 以 及 所述卷积神经网络的最后一层对所述特征图进行沿通道维度的全局池化处理以获得 所述编码距离矩阵。 4.根据权利要求3所述的超大规模集成电路结构布局的优化方法， 其中， 基于所述编码 距离矩阵来构造电阻特 征矩阵， 包括： 将所述编码距离矩阵中各个位置的特征值作为所述电阻特征矩阵中各个位置的节点 电阻特征值， 以获得 所述电阻特 征矩阵。 5.根据权利要求4所述的超大规模集成电路结构布局的优化方法， 其中， 如果电源位置 为( ),则 ， 且 。 6.根据权利要求5所述的超大规模集成电路结构布局的优化方法， 其中， 将所述电压降 特征矩阵输入分类器以获得用于表示芯片布局图是否满足各模块的电压降条件的分类结 果， 包括： 使用所述分类器的多个全连接层对所述电压降特征矩阵进行全连接编码以获得分类 特征向量； 将所述分类特征向量输入所述分类器的Softmax分类函数以获得所述芯片布局图满足 各模块的电压降条件的第一概率和芯片布局图不满足各模块的电压降条件的第二概率； 以 及 基于所述第一 概率和所述第二 概率的比较， 确定所述分类结果。 7.一种超大规模集成电路结构布局的优化系统， 其特 征在于， 包括： 布局图获取 单元， 用于获取芯片布局图； 矩阵构造单元， 用于对所述布局图获取单元获得的所述芯片布局图基于块模块的网格 化处理并基于所述芯片布局图中各个块模块与电源引脚之间在电源地线网络上的距离来 构造初始 距离矩阵； 卷积神经网络处理单元， 用于使用卷积神经网络对所述矩阵构造单元获得的所述初始 距离矩阵进行空间编码以获得用于表示电流密度的空间关系的特 征分布的编码距离矩阵； 归一化单元， 用于以所述卷积神经网络处理单元获得的所述编码距离矩阵中各个位置 的特征值中的最大值作为最大值对所述编码距离矩阵中各个位置的特征值进行基于最大 值的归一 化处理以获得电流密度特 征矩阵； 电阻特征矩阵构造单元， 用于基于所述卷积神经网络处理单元获得的所述编码距离矩 阵来构造电阻特 征矩阵； 块电阻特征值特征矩阵生成单元， 用于计算所述电阻特征矩阵构造单元获得的所述电 阻特征矩阵中各个位置在其水平方向和垂直方向上的其他位置的特征值的分布确定该位权　利　要　求　书 2/3 页 3 CN 114065693 B 3