一种基于机器学习的众工艺角延迟预测方法

作     者：郭静静 宁雪洁 蔡志匡 GUO Jingjing;NING Xuejie;CAI Zhikuang

作者机构：南京邮电大学集成电路科学与工程学院南京210023 

基　　金：南京邮电大学引进人才科研启动基金(NY221014) 射频集成与微组装技术国家地方联合工程实验室开放课题(KFJJ20210204) 江苏省高等学校基础科学(自然科学)研究项目(21KJB510003) 国家自然科学基金(面上项目)(62371256) 国家自然科学基金联合基金重点支持项目(U22B2024) 

出 版 物：《微电子学》 (Microelectronics)

年 卷 期：2024年第54卷第1期

页      码：149-155页

摘      要：在不同工艺角下,关键路径呈现显著差异,因此需要进行大量的静态时序分析,从而导致时序分析运行时间较长。与此同时,随着工艺尺寸的缩小,静态时序分析的精度问题变得不容忽视。本文提出一种基于机器学习的适用于众工艺角下的延迟预测方法,考虑工艺、电压和温度对时序的影响,利用基于自注意力Transformer模型对关键路径进行全局聚合编码,预测众工艺角下关键路径的统计延迟。在EPFL基准电路下进行验证,结果表明该方法的平均绝对误差范围为5.8%~9.4%,有良好的预测性能,可以提高时序分析的准确度和效率,进而缩短数字电路设计周期和设计成本。

主 题 词：统计静态时序分析 众工艺角 机器学习 延迟预测 

学科分类：080903[080903] 0809[工学-计算机类] 08[工学] 

D　O　I：10.13911/j.cnki.1004-3365.230232

馆 藏 号：203126981...