CN102375895A - 一种自动构建器件模型参数优化提取过程的方法 - Google Patents
一种自动构建器件模型参数优化提取过程的方法 Download PDFInfo
- Publication number
- CN102375895A CN102375895A CN2010102491781A CN201010249178A CN102375895A CN 102375895 A CN102375895 A CN 102375895A CN 2010102491781 A CN2010102491781 A CN 2010102491781A CN 201010249178 A CN201010249178 A CN 201010249178A CN 102375895 A CN102375895 A CN 102375895A
- Authority
- CN
- China
- Prior art keywords
- parameter
- value
- model
- model parameter
- extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动构建器件模型参数优化提取过程的方法,该方法包括:接收输入数据,分析器件模型方程确定器件模型参数分组和器件模型参数提取顺序,并分析器件模型方程和扫描器件测量数据确定器件模型参数提取区间,完成器件模型参数优化提取软件自动构建。本发明可以将建立器件模型参数优化提取过程的手工分析和手工编程转变为一个智能化的自动过程,从而加速器件模型参数优化提取软件的开发过程。这种自动构建器件模型参数优化提取过程和软件开发的方法关键在于自动分析器件模型方程、自动确立器件模型参数提取的分组、自动确立器件模型参数提取的顺序、并进一步完成器件模型参数优化提取软件自动构建。
Description
技术领域
本发明涉及集成电路设计自动化领域,尤其属于半导体器件模型参数自动优化提取的技术范畴,特别是一种自动构建器件模型参数优化提取过程的方法。
背景技术
半导体器件模型参数是沟通集成电路生产工艺线和集成电路设计的重要数据之一。生产厂家对器件测试图形进行测量,然后根据测量数据借助于器件模型参数优化提取软件提取出优化的模型参数值,半导体器件模型参数最优与否关系到集成电路设计成功与否,因此器件模型参数优化提取至关重要。
传统上器件模型参数的优化软件的开发是一个人工建立过程:人工分析器件模型方程、人工确立器件模型参数提取顺序、人工实现器件模型参数优化提取的软件开发。这一人工建立过程需要基于开发人员对模型特性的理解和对优化算法的理解,开发速度也比较慢。对器件模型的升级需要手工升级器件模型参数提取软件,新的器件模型均需要手工开发器件模型参数提取软件。为了克服这种技术密集和劳动密集型软件开发工作,有必要设计一种自动构建器件模型参数优化提取过程和软件开发的方法。
发明内容
有鉴于此,本发明的目的在于提供一种自动构建器件模型参数优化提取过程的方法,用于实现自动构建器件模型参数优化提取过程。
本发明提供了一种自动构建器件模型参数优化提取过程的方法,包括:
接收输入数据,分析器件模型方程确定器件模型参数分组和器件模型参数提取顺序,并分析器件模型方程和扫描器件测量数据确定器件模型参数提取区间,完成器件模型参数优化提取软件自动构建。
本发明可以将建立器件模型参数优化提取过程的手工分析和手工编程转变为一个智能化的自动过程,从而加速器件模型参数优化提取软件的开发过程。这种自动构建器件模型参数优化提取过程和软件开发的方法关键在于自动分析器件模型方程、自动确立器件模型参数提取的分组、自动确立器件模型参数提取的顺序、并进一步完成器件模型参数优化提取软件自动构建。
附图说明
图1是本发明实施例提供的自动构建器件模型参数优化提取过程的方法流程图;
图2是本发明实施例中确定器件模型参数提取区间的方法流程图;
图3是本发明实施例中完成器件模型参数优化提取软件自动构建的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
本发明的核心思想在于使器件模型方程分析自动化、器件模型参数提取顺序分析自动化、器件模型参数提取区间分析自动化、器件模型参数优化提取软件开发自动化。
图1是本发明实施例提供的自动构建器件模型参数优化提取过程的方法流程图,包括以下步骤:
步骤101、接收输入数据。输入的数据具体包括:
(1)器件模型方程;
(2)器件模型卡模板;
(3)器件测量数据;
(4)器件模型误差(该数据为优选,可以不输入);具体包括:各指标项的绝对误差最大值、各指标项的相对误差最大值、各指标项的相对误差均方根最大值、全部指标项的相对误差最大值、全部指标项的相对误差均方根最大值、全部指标项的相对误差权重计算据均方根之最大值;由于系统内部存在内设缺省误差值,故该部分数据可选,在不输入的情况下采用内部缺省值;
(5)器件模型参数提取顺序(该数据为优选,可以不输入);具体包括:第一顺序组参数集合、第二顺序组参数集合、第三顺序组参数集合;
(6)器件模型参数提取区间(该数据为优选,可以不输入);具体包括:测量条件参数或参数对的下限值、测量条件参数或参数对的上限值;
(7)器件模型参数值的范围(该数据为优选,可以不输入);具体包括:参数值的上限、参数值的下限、参数值的参考值。
以上这些数据在生成的器件模型参数优化提取程序中会用到,一是控制模型参数初值的确定,二是控制优化过程中模型参数新的候选值的产生,确保参数值在一个合理的范围并有助于提高优化过程的收敛性。
步骤102、分析器件模型方程确定器件模型参数分组。分析前述输入的器件测量数据,确定模型参数对器件特性影响的显现区段;根据模型参数对器件特性影响的显现区段确定器件模型参数的分组。
步骤103、分析器件模型方程确定器件模型参数提取顺序。若输入数据中给定了器件模型参数提取顺序,则可以省略本步骤,直接利用给定的对应数据即可。确定提取顺序具体包括:分析器件模型方程,比照泰勒级数去除模型公式中的高阶项,确定主项模型参数(这是由器件模型研究过程中逐步改进所必然引入的,消除一、二阶项和高阶项留下的近似模型公式所含有的模型参数也就必然是模型研究初期的主项模型参数);分析器件模型方程,消除二阶项和高阶项留下的近似模型公式所含有的模型参数再去除主项模型参数,以确定一次项模型参数;分析器件模型方程,消除高阶项留下的近似模型公式所含有的模型参数再去除主项模型参数和一次项模型参数,以确定二次项模型参数;分析器件模型方程,去除主项模型参数、一次项模型参数、二次项模型参数以确定高次项模型参数;依据模型参数分属各次项的情况确定提取顺序:主项模型参数的提取顺序优于一次项模型参数的提取,一次项模型参数的提取顺序优于二次项模型参数的提取,二次项模型参数的提取顺序优于高次项模型参数的提取。
步骤104、分析器件模型方程和扫描器件测量数据确定器件模型参数提取区间。若输入数据中给定了器件模型参数提取区间,则可以省略本步骤,直接利用给定的对应数据即可。图2是确定器件模型参数提取区间的流程,包括以下步骤:
步骤1041、分析器件模型方程,利用分段表达式各自描述的区间对器件模型参数提取区间进行分段。该分段方法是利用器件模型方程本身固有的分段表达来自动划分区间,如利用MOS器件的几个自然分区:截止区、亚阈区、线性区和饱和区。
步骤1042、扫描器件测量数据,对器件测量数据随各测量输入变量的变化曲线进行分段。器件测量数据中指定了测量输入变量,简单地说,各测量输入变量是测量过程中的输入电学值,而测量数据是测量过程中的输出电学值,如在MOS器件测量中,漏源电压VDS和栅源电压VGS是输入变量,得到的测量数据是漏源电流IDS。分段过程可以是这样的:逐一选择器件测量数据中指定的测量输入变量;分析随输入变量值的变化而变化的测量数据;将测量数据随各测量输入变量的变化曲线进行分段,划分为测量数据不随变量值而变化其值基本为0值的截止区、测量数据随变量值呈现近似指数变化的指数变化区、测量数据随变量值呈现近似线性变化的线性变化区、测量数据基本不随变量值而变化且值为非0的近似固定值的饱和区。
步骤1043、根据各测量输入变量的变化,对所有测量输入变量的分段(测量数据是一组输入变量控制下的输出曲线,测量数据的分段其实质是测量输入变量的分段对应的输出曲线分段,即输入分段必然有对应的输出分段)进行组合确定细分区间。结合步骤1042依据器件测量数据随各个测量输入变量变化而进行的分段,进行可能的组合,即对每一个变量区间分别与其他变量的每一个区间进行组合,每一种组合构成一个细分区间。
步骤1044、扫描器件模型方程确定每一细分区间内的提取参数列表,以便在后续构建的优化提取流程中利用具体的细分空间针对性地优化提取器件模型参数值,达到缩小计算规模和精确提取模型参数的目的。
步骤105、完成器件模型参数优化提取软件自动构建。图3是完成自动构建的流程,包括:
步骤1051、创建模型参数优化流程,具体包括:
(1)接收输入数据的程序流程。该流程是要创建的生成读入器件测量数据的流程。
(2)根据器件模型参数分组、参数提取顺序、参数提取细分优化区间(此处的细分区间就是1044中所述的细分区间,在构建优化提取程序时,根据1044中的每一细分区间内的提取参数列表确定这些参数的优化提取进行计算值和测量值比较需要使用对应细分区间的测量数据)建立参数优化提取流程。
模型参数优化提取在流程上首先表现为顺序上若干组进行。分组的依据是前述的模型参数分组,组间顺序取决于前述的模型参数的提取顺序。组内的模型参数提取表现为在指定区域内模型参数优化提取,该方法表现为这些步骤:
模型参数初值的确定:若模型参数的缺省值给定,选用对应的缺省值作为初值;若模型参数值的区间给定,则在模型参数值的区间内随机取点作为模型参数初值;若模型参数缺省值和参数值区间均未给定,则取系统内部的参数值或随机值作为模型参数初值。
计算器件特性值:根据参数提取区间选定区域内的器件模型计算公式,一般来说器件模型公式是以电学变量值分段进行表示的,一个分段对应于一个电学变量值确定的范围或几个电学变量值确定的范围;根据参数提取细分区间内选取测量点(扫描器件测量数据,选取对应电学变量值范围之内的测量点);根据对应范围内的器件模型计算公式,针对选取测量点的电学变量值计算这些测量点的器件特性值(简称为计算值)。
利用对应测量值和上一步得到的计算值(器件特性值)计算相对误差值。对应测量值是指在器件测量数据中,细分区间内电学变量值(如MOS器件中Vgs和Vds)对应点确定的电学因变量数据,如MOS器件中的Ids。
利用细分区间内各测量点的相对误差值计算相对误差均方根值:
ERRrms=sqrt((∑((Icalc,i-Imeas,i)/Icalc)2)/N)
其中,Icalc,i为第i个点的测量值,Icalc,i为第i个点的计算值,N表示选定区域内共有N个测量点。
比较相对误差均方根值、最佳的误差均方根值和指定相对误差值,若当前相对误差均方根值小于等于指定相对误差值,选取当前模型参数值为器件模型参数优化提取结果,结束优化过程,进入模型参数值输出流程;若当前相对误差均方根值小于最佳的误差均方根值,则保留当前模型参数值为最优模型参数值和保留当前相对误差均方根值为最佳的误差均方根值;若当前相对误差均方根值大于最佳的误差均方根值,基于接受概率选择性地保留当前相对误差均方根值和当前模型参数值。
模型参数新值的生成:以已有的模型参数值为基础,通过随机扰动、遗传变异等手段(具体可以参考模拟退火、遗传算法、粒子群算法)产生模型参数新值,并返回到计算器件特性值的步骤。
整个过程受控于优化算法,它可以是模拟退火算法、遗传算法、粒子群算法或其他优化算法。
(3)根据器件模型卡模板建立输出模型卡的流程。器件模型参数值的最终接受者是电路仿真器,不同的仿真器有各自不尽相同的器件模型参数值输入格式,这就要求在优化提取出所有模型参数值之后,需要按照要求的模型卡模板输出器件模型参数,以便对应的电路仿真器可以无缝地读入优化得到的器件模型数据。需要说明的是本方法作为自动产生器件模型参数优化提取程序的流程,需要根据器件模型卡模板建立输出模型卡的流程,以便后续根据该流程生成模型参数优化提取程序中的器件模型参数值输出程序部分。
步骤1052、生成模型参数优化提取程序源代码。根据步骤1051创建的模型参数优化流程生成源程序代码,流程为控制流程和数据流程,控制流程转化为C++代码表现为单一函数及其中的条件语句、循环语句、转移语句及语句之间的顺序等;数据流程转化为C++代码变现为单一函数调用及单一函数顺序组合而成的复杂函数。程序流程转换为程序源代码是比较成熟的技术,这在商用软件工具将UML描述自动转化为C++代码描述中得到了充分的体现,源程序代码可以是C/C++或其他高级程序语言。
步骤1053、在生成程序源代码之后,基于固定的编译链接模板生成编译脚本文件(Makefile),用于后续步骤编译全部源代码文件、链接目标文件,并最终创建目标计算机系统上可执行的文件。
步骤1054、调用批处理自动编译命令“make-f Makefile”自动编译生成的程序源代码并链接目标文件和计算机系统的库文件创建可执行文件。
总之,以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (9)
1.一种自动构建器件模型参数优化提取过程的方法,其特征在于,所述方法包括:
接收输入数据,分析器件模型方程确定器件模型参数分组和器件模型参数提取顺序,并分析器件模型方程和扫描器件测量数据确定器件模型参数提取区间,完成器件模型参数优化提取软件自动构建。
2.根据权利要求1所述的方法,其特征在于,所述输入数据具体包括:
器件模型方程、器件模型卡模板、器件测量数据;和/或,
器件模型误差、器件模型参数提取顺序、器件模型参数提取区间、器件模型参数值的范围。
3.根据权利要求2所述的方法,其特征在于,所述确定器件模型参数分组具体包括:
分析所述器件测量数据,确定器件模型参数对器件特性影响的显现区段;根据器件模型参数对器件特性影响的显现区段确定器件模型参数的分组。
4.根据权利要求2或3所述的方法,其特征在于,所述确定器件模型参数提取顺序具体包括:
如果输入数据中给定了器件模型参数提取顺序,则直接利用给定的对应数据;
否则,分析器件模型方程,去除模型公式中的高阶项,确定主项模型参数;
分析器件模型方程,消除二阶项和高阶项留下的近似模型公式所含有的模型参数再去除主项模型参数,以确定一次项模型参数;
分析器件模型方程,消除高阶项留下的近似模型公式所含有的模型参数再去除主项模型参数和一次项模型参数,以确定二次项模型参数;
分析器件模型方程,去除主项模型参数、一次项模型参数、二次项模型参数以确定高次项模型参数;依据模型参数分属各次项的情况确定提取顺序:主项模型参数的提取顺序优于一次项模型参数的提取,一次项模型参数的提取顺序优于二次项模型参数的提取,二次项模型参数的提取顺序优于高次项模型参数的提取。
5.根据权利要求4所述的方法,其特征在于,所述确定器件模型参数提取区间具体包括:
如果输入数据中给定了器件模型参数提取区间,则直接利用给定的对应数据;
否则,分析器件模型方程,利用分段表达式各自描述的区间对器件模型参数提取区间进行分段;
扫描器件测量数据,对器件测量数据随各测量输入变量的变化曲线进行分段;
根据各测量输入变量的变化,对所有测量输入变量的分段进行组合确定细分区间;
扫描器件模型方程确定每一细分区间内的提取参数列表。
6.根据权利要求5所述的方法,其特征在于,所述对器件测量数据随各测量输入变量的变化曲线进行分段具体包括:
逐一选择器件测量数据中指定的测量输入变量;
分析随测量输入变量值的变化而变化的器件测量数据;
对器件测量数据随各测量输入变量的变化曲线进行分段,划分为器件测量数据不随测量输入变量值而变化且所述器件测量数据值基本为零值的截止区、器件测量数据随测量输入变量值呈现近似指数变化的指数变化区、器件测量数据随测量输入变量值呈现近似线性变化的线性变化区、器件测量数据基本不随测量输入变量值而变化且值为非零的近似固定值的饱和区。
7.根据权利要求6所述的方法,其特征在于,所述完成器件模型参数优化提取软件自动构建的方法具体包括:
创建器件模型参数优化流程;
生成器件模型参数优化提取程序源代码;
基于固定的编译链接模板生成编译脚本文件;
调用批处理自动编译命令自动编译生成的程序源代码,并链接目标文件和计算机系统的库文件,创建可执行文件。
8.根据权利要求7所述的方法,其特征在于,所述创建器件模型参数优化流程具体包括:
创建接收输入数据的程序流程;
根据器件模型参数分组、器件模型参数提取顺序及器件模型参数提取细分区间建立器件模型参数优化提取流程;
根据器件模型卡模板建立输出模型卡的流程。
9.根据权利要求8所述的方法,其特征在于,所述建立器件模型参数优化提取流程的方法包括:
确定模型参数的初值;
获取器件特性值;
利用对应测量值和所述器件特性值计算相对误差值,所述对应测量值为在器件测量数据中,细分区间内电学变量值对应点确定的电学因变量数据;
利用细分区间内各测量点的相对误差值计算相对误差均方根值;
比较相对误差均方根值、最佳的误差均方根值和指定相对误差值,若当前相对误差均方根值小于等于指定相对误差值,选取当前模型参数值为器件模型参数优化提取结果,结束优化提取过程;若当前相对误差均方根值小于最佳的误差均方根值,则保留当前模型参数值为最优模型参数值并保留当前相对误差均方根值为最佳的误差均方根值;若当前相对误差均方根值大于最佳的误差均方根值,基于接受概率选择性地保留当前相对误差均方根值和当前模型参数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010249178.1A CN102375895B (zh) | 2010-08-09 | 2010-08-09 | 一种自动构建器件模型参数优化提取过程的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010249178.1A CN102375895B (zh) | 2010-08-09 | 2010-08-09 | 一种自动构建器件模型参数优化提取过程的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102375895A true CN102375895A (zh) | 2012-03-14 |
CN102375895B CN102375895B (zh) | 2014-06-18 |
Family
ID=45794501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010249178.1A Active CN102375895B (zh) | 2010-08-09 | 2010-08-09 | 一种自动构建器件模型参数优化提取过程的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102375895B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890740A (zh) * | 2012-10-23 | 2013-01-23 | 浙江大学 | 一种多域系统的设计和优化方法 |
CN103714211A (zh) * | 2013-12-24 | 2014-04-09 | 西安电子科技大学 | 基于移动模式序列与多智能体粒子群的集成电路布图方法 |
CN104090782A (zh) * | 2013-11-29 | 2014-10-08 | 国家电网公司 | 基于重构操作模板的代码优化方法 |
CN104573330A (zh) * | 2014-12-20 | 2015-04-29 | 电子科技大学 | 氮化镓高电子迁移率晶体管i-v模型参数的提取方法 |
CN105373634A (zh) * | 2014-08-18 | 2016-03-02 | 中国科学院微电子研究所 | 一种提高具体器件模型参数提取精度的方法及系统 |
CN108627721A (zh) * | 2017-03-24 | 2018-10-09 | 基思利仪器有限责任公司 | 扫描组的确定和渲染 |
CN109657384A (zh) * | 2018-12-26 | 2019-04-19 | 南京九芯电子科技有限公司 | 一种tft模型参数的提取方法 |
CN112560376A (zh) * | 2020-12-22 | 2021-03-26 | 成都华大九天科技有限公司 | 一种半导体器件模型参数的优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5993050A (en) * | 1997-04-30 | 1999-11-30 | Oki Electric Industry Co., Ltd. | Method of and apparatus for extracting model parameters |
CN101236572A (zh) * | 2007-01-30 | 2008-08-06 | 北京大学 | 一种半导体器件模型自适应参数提取方法 |
-
2010
- 2010-08-09 CN CN201010249178.1A patent/CN102375895B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5993050A (en) * | 1997-04-30 | 1999-11-30 | Oki Electric Industry Co., Ltd. | Method of and apparatus for extracting model parameters |
CN101236572A (zh) * | 2007-01-30 | 2008-08-06 | 北京大学 | 一种半导体器件模型自适应参数提取方法 |
Non-Patent Citations (2)
Title |
---|
吴庆国等: "晶体管模型参数提取的一种新方法", 《南京邮电学院学报》, vol. 9, no. 4, 31 December 1989 (1989-12-31) * |
李庆华等: "MOSFET模型&参数提取", 《微电子技术》, vol. 31, no. 4, 31 August 2003 (2003-08-31) * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890740A (zh) * | 2012-10-23 | 2013-01-23 | 浙江大学 | 一种多域系统的设计和优化方法 |
CN104090782A (zh) * | 2013-11-29 | 2014-10-08 | 国家电网公司 | 基于重构操作模板的代码优化方法 |
CN104090782B (zh) * | 2013-11-29 | 2017-02-01 | 国家电网公司 | 基于重构操作模板的代码优化方法 |
CN103714211A (zh) * | 2013-12-24 | 2014-04-09 | 西安电子科技大学 | 基于移动模式序列与多智能体粒子群的集成电路布图方法 |
CN103714211B (zh) * | 2013-12-24 | 2016-08-17 | 西安电子科技大学 | 基于移动模式序列与多智能体粒子群的集成电路布图方法 |
CN105373634B (zh) * | 2014-08-18 | 2018-07-03 | 中国科学院微电子研究所 | 一种提高具体器件模型参数提取精度的方法及系统 |
CN105373634A (zh) * | 2014-08-18 | 2016-03-02 | 中国科学院微电子研究所 | 一种提高具体器件模型参数提取精度的方法及系统 |
CN104573330A (zh) * | 2014-12-20 | 2015-04-29 | 电子科技大学 | 氮化镓高电子迁移率晶体管i-v模型参数的提取方法 |
CN104573330B (zh) * | 2014-12-20 | 2017-06-09 | 电子科技大学 | 氮化镓高电子迁移率晶体管i‑v模型参数的提取方法 |
CN108627721A (zh) * | 2017-03-24 | 2018-10-09 | 基思利仪器有限责任公司 | 扫描组的确定和渲染 |
CN108627721B (zh) * | 2017-03-24 | 2022-03-08 | 基思利仪器有限责任公司 | 扫描组的确定和渲染 |
CN109657384A (zh) * | 2018-12-26 | 2019-04-19 | 南京九芯电子科技有限公司 | 一种tft模型参数的提取方法 |
CN109657384B (zh) * | 2018-12-26 | 2022-05-24 | 南京华大九天科技有限公司 | 一种tft模型参数的提取方法 |
CN112560376A (zh) * | 2020-12-22 | 2021-03-26 | 成都华大九天科技有限公司 | 一种半导体器件模型参数的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102375895B (zh) | 2014-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102375895B (zh) | 一种自动构建器件模型参数优化提取过程的方法 | |
CN111046581B (zh) | 一种输电线路故障类型识别方法及系统 | |
US20050273685A1 (en) | Automated and customizable generation of efficient test programs for multiple electrical test equipment platforms | |
CN102778843B (zh) | 一种强磁选别过程运行控制方法 | |
CN103559129A (zh) | 基于遗传算法的统计回归测试数据生成方法 | |
CN109189479A (zh) | 一种用于处理器指令集的并行自动化验证方法 | |
CN102508977B (zh) | 用于模拟电路移植的电路优化方法和装置 | |
CN110543407A (zh) | 一种Solidity智能合约性能静态分析方法 | |
CN112149859A (zh) | 风速预测方法和风速预测装置 | |
CN110196720A (zh) | 一种Simulink生成动态链接库的优化方法 | |
CN102207902A (zh) | 用于分析包含校准值的软件的方法和设备 | |
CN103092747A (zh) | 一种控制程序的验证和测试方法及系统 | |
KR101503620B1 (ko) | 지능형 아키텍처 생성기 | |
CN104318030A (zh) | 基于变形等效的拱坝坝基综合变形模量自动化计算方法 | |
CN108228232B (zh) | 一种针对程序中循环问题的自动修复方法 | |
CN101859276B (zh) | 一种基于层次切片的回归测试用例选择方法 | |
CN105512372A (zh) | 模型化的星载数据处理仿真测试方法 | |
CN114417549B (zh) | 一种基于超级计算机的数字孪生目标场数据处理系统 | |
CN115576928A (zh) | 一种变电站监控信息点表自动校核方法及系统 | |
US6654712B1 (en) | Method to reduce skew in clock signal distribution using balanced wire widths | |
Peralta et al. | Unit commitment with load uncertainty by joint chance-constrained programming | |
CN117454809B (zh) | 一种低功耗的电路设计变更处理方法、系统和装置 | |
CN111177997A (zh) | 基于时钟频率的布局布线控制方法及装置、系统 | |
CN103838565B (zh) | 一种电解铝厂制造执行系统软件开发支持系统 | |
Cornalino et al. | Probabilistic Modeling for the Uruguayan electrical load: present capacity and current improvements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |