CN109145342A - 自动布线系统及方法 - Google Patents

自动布线系统及方法 Download PDF

Info

Publication number
CN109145342A
CN109145342A CN201710531548.2A CN201710531548A CN109145342A CN 109145342 A CN109145342 A CN 109145342A CN 201710531548 A CN201710531548 A CN 201710531548A CN 109145342 A CN109145342 A CN 109145342A
Authority
CN
China
Prior art keywords
space lattice
lattice array
cabling
array
simulation
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
Application number
CN201710531548.2A
Other languages
English (en)
Other versions
CN109145342B (zh
Inventor
方柏翔
陈冠达
赖佳助
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siliconware Precision Industries Co Ltd
Original Assignee
Siliconware Precision Industries Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siliconware Precision Industries Co Ltd filed Critical Siliconware Precision Industries Co Ltd
Publication of CN109145342A publication Critical patent/CN109145342A/zh
Application granted granted Critical
Publication of CN109145342B publication Critical patent/CN109145342B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/392—Floor-planning or layout, e.g. partitioning or placement
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Architecture (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Design And Manufacture Of Integrated Circuits (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种自动布线系统及方法，主要依据有关布线的需求参数，于具多个网格的空间网格内产生模拟走线；透过该模拟走线对应产生一空间网格阵列；依据该空间网格阵列产生实体线路；以及将该实体线路进行电性模拟以得到该空间网格阵列的数个电性指标，令该数个电性指标汇入学习网路后进行分析，以产生判断码，其中，于该判断码为非最佳解时，利用迭代函数产生新的空间网格阵列，且该新的空间网格阵列再次经电性模拟分析后，直到该判断码为最佳解。

Description

自动布线系统及方法
技术领域
本发明关于一种布线技术，特别有关一种自动布线系统以及自动布线方法。
背景技术
随着积体电路(IC)与封装的线路与布线日渐复杂，人工化布线的效率与正确率已逐渐落后于制程发展，这使得程式自动化布线逐渐受到重视，然此类技术仍有进步空间。目前业界常见的自动化布线技术，通过于布线软体中加入布线设计的限制(Constrain)条件以及规则(Rule)运算程式，当在每一个点进行线路布线时，布线软体开始跑每一个限制条件与规则运算程式，以决定出最佳的布线位置，举例来说，从布线列表(list)中的第一条布线起点开始，程式决定走x1方向(包含决定是否穿层)，走距离x2后，转向x3方向，再走x4距离等，经若干次循环后到达布线的终点，接着，再执行第二条布线程序，直到所有布线程序都执行完毕为止。
然现有自动化布线技术仍存在许多改善空间，举例来说：程式须人为定义规则，像是如何从起点走到终点；程式是无法预判会有几个变数，例如转折或线长，而且走线的可能性随不可预知的变数数目会呈几何增长；须有独立的判断式去判定如何不与前面布线相连，故程式须人工逐项定义规则；不同布线的先后执行顺序会导致不同的走线结果；特别的电性布线，例如RF Ground、Digital Ground、Analog Ground、Power Ground、Power布线、differential pair等规则，都须明确定义规则；规则建立须投注大量的人力研究，以达到不同程式实现，并且还须列举例外排除；另外，绝对无法违背限制(Constrain)与规则(Rule)，因而无法执行两种或多种电性指标两权相害取其轻的trade-off判断。在上述情况下，基于IC功能与线路复杂度的增加，常常有两种或多种的电性指标相互冲突，此使得程式无法判断，这导致目前大多仍采用人工布线。
由上可知，如何找出一种可自动化执行的布线技术，特别是可减少现有自动布线技术中的种种缺陷以及透过人工布线的繁琐程序及规则，此将成为本技术领域人员努力追求的目标。
发明内容
本发明的目的为提出一种自动布线技术，透过整合电脑辅助设计、电性模拟分析以及人工智慧演算法下，以达到实现电性最佳化的自动化布线功能的结果。
本发明提出一种自动布线系统，包括：空间网格化模块、网格布局模块、网格实体化模块以及模拟分析模块，其中，该空间网格化模块用于依据有关布线的需求参数，于具多个网格的空间网格内产生模拟走线，该网格布局模块用于以该模拟走线对应产生一空间网格阵列，该网格实体化模块用于依据该空间网格阵列产生实体线路，该模拟分析模块用于将该实体线路进行电性模拟以得到该空间网格阵列的数个电性指标，以于对应该实体线路的该空间网格阵列符合走线规则和预订设计规则下，将该数个电性指标汇入学习网路后进行分析，以产生判断码，其中，于该判断码为非最佳解时，该网格布局模块利用迭代函数产生新的空间网格阵列，其中，该新的空间网格阵列再次经该网格实体化模块及该模拟分析模块的运作后，直到该判断码为最佳解。
于一实施例中，该需求参数包含制程参数以及电性参数。
于另一实施例中，各该多个网格利用不同符号表示不同线路状态，且该多个网格的形状为方形、三角形或六角蜂巢状。
于再一实施例中，于该空间网格阵列不符合该走线规则和该预订设计规则时，该模拟分析模块用于产生对应的判断码，以令该网格布局模块执行该迭代函数以该新的空间网格阵列。
于又一实施例中，该走线规则为该空间网格阵列的开路或短路的判断。
于又另一实施例中，该迭代函数透过该空间网格阵列、该判断码以及该模拟分析模块对于该空间网格阵列的分析结果产生该新的空间网格阵列。
本发明还提出一种自动布线方法，其包括：依据有关布线的需求参数，于具有多个网格的空间网格内产生模拟走线；透过该模拟走线对应产生一空间网格阵列；依据该空间网格阵列产生实体线路；以及将该实体线路进行电性模拟以得到该空间网格阵列的数个电性指标，令该数个电性指标汇入学习网路后进行分析，以产生判断码。
于一实施例中，该数个电性指标透过学习网路之前，更包括判断该空间网格阵列是否符合走线规则和预订设计规则。
于另一实施例中，该自动布线方法更包括于该判断码为非最佳解时，利用迭代函数产生新的空间网格阵列，其中，该新的空间网格阵列再次经电性模拟分析后，直到该判断码为最佳解。
相比于现有技术，本发明所提出的自动布线方法及其方法，透过抽象化数值阵列与实体线路的转换技术，在空间网格内产生模拟走线，并于对应模拟走线的空间网格阵列在符合走线规则和预订设计规则下，将空间网格阵列的数个电性指标进行模拟，并汇入学习网路进行评估，由此得到用于判断是否为最佳解的判断码，并于非最佳解下，透过迭代函数产生新的空间网格阵列，并再次模拟分析，直到该空间网格阵列为最佳解。本发明利用网格数及符号种类定义可减少变数数目的不确定性，且不同电路的走线也无前后顺序的顾虑，再者，利用学习网路进行模拟分析可确认空间网格阵列是否为最佳解，因此，透过本发明的自动布线系统及其方法，将可提供使用者有效率且高正确性的布线结果。
附图说明
图1为本发明的自动布线系统的系统架构图；
图2为本发明的自动布线系统执行布线的流程图；
图3为本发明的自动布线系统中抽象化网格与实体线路转换的示意图；
图4为本发明的自动布线系统中实体线路对应的符号与网格的示意图；
图5A和图5B为本发明的自动布线系统采用不同网格类型的示意图；
图6为本发明的自动布线系统有关空间网格的决定以及模拟分析的流程图；
图7为本发明的自动布线系统应用学习网路的示意图；以及
图8为本发明的自动布线方法的步骤图。
符号说明：
1 自动布线系统
11 空间网格化模块
12 网格布局模块
13 网格实体化模块
14 模拟分析模块
100 需求参数
200 最佳化的模拟走线
S21～S26 流程
S61～S63 流程
S81～S84 步骤。
具体实施方式
以下通过特定的具体实施形态说明本发明的技术内容，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的优点与功效。然而本发明亦可通过其他不同的具体实施形态加以施行或应用。
请参照图1，其为本发明的自动布线系统的系统架构图。简单来说，本发明的自动布线系统1可用于执行例如积体电路或基板线路的自动化布线，透过例如统计模拟演算法的拓展，以及搭配学习网路执行对空间网格的模拟分析，由此得到电性最佳化的自动化布线结果。
统计模拟演算法可为蒙地卡罗树搜寻或是二元搜寻树等，其中，蒙地卡罗树搜寻演算法基本原理是将所有可能结果发生的机率，定义出有关机率密度的函数。本发明实施例采用蒙地卡罗树搜寻演算法，以于众多可能解中找寻出最佳化者，然其他此类统计模拟演算法亦可适用于本发明，故不以此为限。
如图1所示，本发明的自动布线系统1包括空间网格化模块11、网格布局模块12、网格实体化模块13以及模拟分析模块14。
本发明的自动布线系统1首先接收外部输入的需求参数100，其中，需求参数100用来描述布线的相关需求，例如电路整体尺寸、线宽大小、穿孔大小或层数等，接着，利用需求参数100于空间网格内产生模拟走线，之后，判断所产生的模拟走线是否为所需的模拟走线。
空间网格化模块11用于依据有关布线的需求参数100，于具多个网格的空间网格内产生模拟走线。详言之，空间网格由多个网格组成，每一个网格的表示内容可对应于实体线路的状态，例如有无线路经过、不同层线路交会、孔洞或元件存在等，故空间网格化模块11即是在需求参数100条件下，于空间网格内找出各种符合需求参数100的模拟走线，因而模拟走线可能会有多条，仅须符合需求参数100的要求即可。
网格布局模块12连接空间网格化模块11，网格布局模块12可依据空间网格化模块11所产生的模拟走线，对应产生一空间网格阵列。如前所述，空间网格化模块11可依据需求参数100于空间网格内产生模拟走线，且各网格皆有自己所表示的内容，为了容易理解线路状态，模拟走线可以符号呈现，例如以1、2、3等符号表示不同线路状态，这些符号将对应地形成为空间网格阵列。
于此所述的空间网格阵列即是各网格代表状态的集合，可用于后续模拟分析之用，且于非最佳模拟走线下，网格布局模块12可再产生新的空间网格阵列。
网格实体化模块13连接网格布局模块12，网格实体化模块13可依据该空间网格阵列产生实体线路。具体来说，网格实体化模块13依据空间网路阵列内每一个符号，得到各网格代表该处有哪几层网格经过，再结合周围网格内容，即可产生实体线路，此实体线路可用于电性模拟分析软体内。简单来说，网格实体化模块13执行实体线路的产生所用的函数，即等效为网格布局模块12的反函数。
模拟分析模块14连接网格实体化模块13，用于将网格实体化模块13产生的实体线路进行电性模拟分析以得到该空间网格阵列的数个电性指标，另外，在进行模拟之前，可先判断对应该实体线路的空间网格阵列是否符合走线规则和预订设计规则，若符合，则将该空间网格阵列的数个电性指标汇入学习网路进行分析评估，进而产生判断码。这里所述判断码即表示空间网格阵列是否符合需求。
另外，若模拟分析前，空间网格阵列不符合走线规则和预订设计规则，即表示该判断码为非最佳解，此时网格布局模块12可利用迭代函数产生新的空间网格阵列，特别的是，该新的空间网格阵列是依据前次判断结果而产生，最后，该新的空间网格阵列会再次经该网格实体化模块13及该模拟分析模块14的运作后，直到所得到的判断码为最佳解才停止，此时，系统将产出最佳化的模拟走线200。
据此，本发明提出转换抽象化数值阵列与实体线路的技术方法，即上述的空间网格，并整合电脑辅助设计、电性模拟分析以及人工智慧演算法，由此实现电性最佳化的自动化布线功能。
请参照图2，其为本发明的自动布线系统执行自动布线的流程图。简单来说，配合图1所示的系统，自动布线流程可包括流程S21～流程S26，其中，流程S22是对应图1的空间网格化模块11，流程S23是对应图1的网格布局模块12，流程S24是对应图1的网格实体化模块13，以及流程S25和流程S26是对应图1的模拟分析模块14。
下面将针对各流程详细说明。
于流程S21中，进行设计输入。此流程是指使用者输入欲得到布线的相关需求，例如层数、线宽大小等，即如前述的需求参数100，可提供空间网格化模块11在空间网格内产生模拟走线时所需的相关资料。故使用者可透过系统输入介面将相关资料输入，以令系统执行自动布线的程序。
具体来说，需求参数100可包括制程参数以及电性参数，其中，制程参数可例如为电路设计的全域尺寸、层数、最大与最小的线宽线径、穿孔大小、焊点凸块(Bump)与球的大小、打线垫(wire-bound pad)大小等，另外，电性参数可例如为线路表(Net list)、关键线路(critical net)、电性指标、电性规格等。
于流程S22中，进行空间网格化。此流程主要执行实体线路与空间网格之间转换关系，空间网格可以数值阵列抽象化呈现，如图3所示，利用所输入的需求参数100将整个设计的全域尺寸分割成若干个小网格(图3左边)，每一个网格为布线的最小单位，用来描述走线的可能性。
空间网格代表的实体线路的尺寸(D)，尺寸(D)与最细线宽(W)、最细线径(S)、最小元件的尺寸(例如焊点凸块或通孔)(Bi)的最大公因数有关，且不同制程方式，须选用不同的数学关系式，例如下列关系式：D＝(W,S,B0,B1,…,BM)。
根据不同的布线情况，每一个空间网格可列举所有有限的可能，并以符号代表之，并将所有空间网格填入符号，请参照图4，本发明利用符号0-4来描述图3中走线的所有可能性，每个符号代表一种状态，且可对应图3右边的实体线路。
举例说明，符号0代表无线路经过，符号1代表仅层1线路经过，符号2代表仅层2线路经过，符号3代表层1与层2线路都经过，但无穿层，另外，符号4表示层1与层2线路都经过，且中间有通孔穿层连接，并含通孔连接区(via land)。
请参照第5A和5B图，空间网格的形状不限定为正方形，视制程的方式，它可以为六角蜂巢状(图5A)、三角形(图5B)或任何足以代表线路分布状况的形状。
经过将实体线路以空间网格的抽象方式呈现后，走线的最大可能性(PMAX)由几乎无限种可能，缩小到有明确定义的有限可能性，如此使自动布线得以实现，其数学关系式如下表示：
PMAX＝SM＜＜∞
其中，S为符号的总数，即所有可能性，M为空间网格的总数。所有空间网格的集合为一个含有M个符号组成的阵列，这里称的为空间网格阵列(以下简写为U)。
透过空间网格的使用，使得后续应用数值分析以进行最佳化设计成为可能，且还可套用不同演算法来降低可能性(P)的数量与维度，如此可加快运算速度以及减少回圈次数。
于流程S23中，进行网格布局。此流程主要执行用于决定空间网格阵列(U)，其中，空间网格阵列(U)可根据输入参数bin与RN，以及前一次的空间网格阵列UN，来决定新的空间网格阵列UN+1，其数学式可以表示为：
UN+1＝f(UN,bin,RN)
其中，bin为将前一轮空间网格阵列UN在执行流程S24后，产生实体线路并进行线路确认(走线规则及设计规则)，若通过确认后再汇入电性模拟分析软体进行流程S25的模拟分析的结果分类，RN为结果的内容，有关bin和RN的判断过程与结果，将于流程S25详述。
f为空间网格阵列的迭代函数，其中，最基本的f函数为随机产生阵列，套用合适的f函数可以大量减少回圈次数，减少运算时间。另外，空间网格阵列的初始值U0可以由随机排列空间网格内容产生，也可以透过范本生成，例如已储存的线路范本。
于流程S24中，进行网格实体化。此流程是由每一个空间网路阵列内的符号，取得每一个位置代表有哪几层网路经过，结合周围的网格内容，以将实体线路绘制出来至电性模拟分析软体内。
于流程S25中，进行模拟分析。本流程于判断空间网格阵列是否符合走线规则及设计规则，若是，将该空间网格阵列的数个电性指标透过学习网路进行评估以产生判断码，这里的判断码即bin。
于流程S26中，进行判断最佳化。此流程即决定判断码是否为最佳者，若非，则回到流程S23，产生新的空间网格阵列，亦即新的空间网格阵列UN+1可根据输入参数bin与RN以及前一次的空间网格阵列UN来决定。
之后，持续流程S24、S25、S26等流程，直到判断码为最佳者。
另外，流程S25的模拟分析可决定bin与RN。请参照图6，其为说明本发明的自动布线系统有关空间网格的决定以及模拟分析的流程图。如图所示，在执行完流程S23(网格布局)和流程S24(网格实体化)后，即将空间网格阵列进行模拟分析。
在模拟分析之前，会先判断空间网格阵列是否符合走线规则及设计规则，于本实施例中，以bin＝0代表不通过电路布局(Layout vs.schematic，LVS)验证，以bin＝1代表不通过设计规范验证(Design RuleCheck，DRC)。
如流程S61所示，执行电路布局(LVS)验证，即进行线路表(Net list)线路走线的开路与短路(Open/Short)验证，若通过，则前进至流程S62，若不通过，则将bin＝0以及RN等判断结果传回流程S23，以再次产生新的空间网格阵列。
在符合流程S61后，流程S62执行设计规范验证(DRC)，即判断是否违反设计规则(包含制程规则)，若通过，则进行后续模拟分析，若不通过，则将bin＝1以及RN等判断结果传回流程S23，以再次产生新的空间网格阵列。
另外，执行模拟分析时，会将一开始输入的数个电性指标经模拟后，带入学习网路进行分析，如流程S63所示。于本实施例中，数个电性指标以电性指标1至电性指标k来表示，其中，第K个电性指标由电性分析软体模拟后产出一个数值XK，因而电性指标1～k将产生数值X1～XK。
将所有的数值X1～XK输入学习网路后，经由数值模型分类，则可以分出不同的bin码，以供判断本次的空间网格阵列是否为设计最佳化，本实施例以代码G代表最佳化，若通过，完成整个流程，若不通过，则将bin码与结果RN送至流程S23，以进行下一轮回圈迭代，由此得到新的空间网格阵列。
如图7所示，其为说明本发明的自动布线系统应用学习网路的示意图，其使用的数值模型可由类神经网路学习(深度学习)方法训练，类神经网路对规则的依赖性低，具有模糊性，可有效解决目前自动布线程式在电性最佳化时无法有效执行的缺陷，最基本的神经元代表的数学式如下所示：
其中，y代表神经元的输出，xi为输入的自变数，来源是模拟分析的结果，wi为权重，b为bias常数，f则为自订的转移函数，用来限制输出的应变数y的范围，例如若采用连续非线性双弯曲函数(continuous Log-Sigmoid Function)，则可以让1≧f(y)≧0。
上列最基本的神经元代表的数学式也可以改写成线性代数的矩阵运算式y＝f(WX+b)，其中，W和X如下所示：
另外，多个神经元也可以经由串联、并联组合成神经网路。近几年在类神经网路的结构与模型的发展下，已有许多不同的分类可以应用，本发明仅就可行性举例，个别模型的差异不在本文讨论范围内。
由上可知，仅需将电性模拟结果输出的数个Xi汇入学习网路后可得到y，之后，判断y数值所落在的不同值域，由预先设定的对应表即可分类并得到bin码，一般来说，RN＝X。
学习网路的训练方法则是利用已具有的设计图，进行电性模拟分析，即可得到许多指标Xi，指标可以列举如下但不限于：1.所有或敏感讯号线的电感、电容、电阻值的中位数于一个标准差内的平均值；2.DDR讯号线组间最大的时间差；3.敏感讯号线的馈入损失(Insertion loss)的平均与标准差；4.敏感讯号线的阻抗(impedance)的平均与标准差。
每一组设计图可依据电性模拟的结果分析并分类为bin码，因此，可以得到足够多组的X对应bin码的组合，之后，可将足够多组的X对应bin码的组合逐一进行逆传播(Backpropagation)运算以进行学习，将可得到训练好的学习网路。本发明是以逆传播举例，实际实现时可选用其他学习方式，但不变的概念是只要学习的资料量愈多，则学习网路的判断就愈精准。
请参照图8，其为本发明的自动布线方法的步骤图。如图所示，于步骤S81中，依据有关布线的需求参数，于具多个网格的空间网格内产生模拟走线。详言之，需求参数可由外部输入，需求参数可包含制程参数以及电性参数，另外，模拟走线可多条，仅须符合需求参数的要求即可。
于步骤S82中，透过该模拟走线对应产生一空间网格阵列。具体来说，前一步骤于空间网格内产生模拟走线，其中，各网格都有自己表示的内容，各网格的模拟走线可以1、2、3等符号来呈现，用于表示不同线路状态，这些符号将对应地形成为空间网格阵列。
于步骤S83中，依据该空间网格阵列产生实体线路。亦即依据空间网路阵列内的符号，得到各网格所表示内容，例如该处有哪几层网格经过，并再结合周围网格内容，即可得到实体线路，所得到的实体线路可用于电性模拟分析软体内。
于步骤S84中，将该实体线路进行电性模拟以得到该空间网格阵列的数个电性指标，令该数个电性指标汇入学习网路后进行分析，以产生判断码。本步骤是将空间网格阵列的数个电性指标经模拟后，汇入学习网路进行分析，并判断该空间网格阵列是否为最佳解。
于本实施例中，该数个电性指标透过学习网路之前，更包括判断该空间网格阵列是否符合走线规则和预订设计规则。
于本实施例中，本发明的自动布线方法更包括于该判断码为非最佳解时，可利用迭代函数产生新的空间网格阵列，迭代函数的执行如同步骤S82所执行者，新的空间网格阵列可根据本次分析所得到的输入参数bin、结果RN以及前一次的空间网格阵列来产生，其中，该新的空间网格阵列会再次经电性模拟分析后，直到该判断码为最佳解。
综上所述，现今数值计算能力不管在硬体与软体都有长足的进展，本发明提出自动化布线可采用例如蒙地卡罗树搜寻以及类神经网路等人工智慧演算法，搭配资料库内优良设计图作为深度学习的材料所产出的学习网路，由此利用数值模型执行自动化布线的判断，且于未找出最佳布线结果时，可透过迭代函数以及前次分析结果找出新的空间网格阵列，透过持续网格布局、电性模拟分析、模型分类等程序，将可得到最佳化的电路设计。
上述实施形态仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何所属领域技术人员均可在不违背本发明的精神及范畴下，对上述实施形态进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (13)

1.一种自动布线系统，其特征为，该自动布线系统包括：
空间网格化模块，其依据有关布线的需求参数，于具多个网格的空间网格内产生模拟走线；
网格布局模块，其以该模拟走线对应产生一空间网格阵列；
网格实体化模块，其依据该空间网格阵列产生实体线路；以及
模拟分析模块，其将该实体线路进行电性模拟，以得到该空间网格阵列的数个电性指标，再将该数个电性指标汇入学习网路以产生判断码，
其中，于该判断码为非最佳解时，该网格布局模块产生新的空间网格阵列，该新的空间网格阵列再次经该网格实体化模块及该模拟分析模块的运作后，直到该判断码为最佳解。
2.根据权利要求1所述的自动布线系统，其特征为，该需求参数包含制程参数以及电性参数。
3.根据权利要求1所述的自动布线系统，其特征为，该网格利用不同符号表示不同线路状态。
4.根据权利要求1所述的自动布线系统，其特征为，该模拟分析模块在进行电性模拟前，先判断对应该实体线路的空间网格阵列是否符合走线规则和预订设计规则。
5.根据权利要求4所述的自动布线系统，其特征为，该模拟分析模块于该空间网格阵列不符合该走线规则和该预订设计规则时，将产生对应的判断码，且令该网格布局模块产生新的空间网格阵列。
6.根据权利要求1所述的自动布线系统，其特征为，该网格布局模块利用迭代函数产生新的空间网格阵列。
7.根据权利要求6所述的自动布线系统，其特征为，该迭代函数透过该空间网格阵列、该判断码以及该模拟分析模块对于该空间网格阵列的分析结果产生该新的空间网格阵列。
8.一种自动布线方法，其特征为，该方法包括：
依据有关布线的需求参数，于具多个网格的空间网格内产生模拟走线；
透过该模拟走线对应产生一空间网格阵列；
依据该空间网格阵列产生实体线路；以及
将该实体线路进行电性模拟以得到该空间网格阵列的数个电性指标，令该数个电性指标汇入学习网路以产生判断码。
9.根据权利要求8所述的自动布线方法，其特征为，该数个电性指标透过学习网路分析之前，更包括判断该空间网格阵列是否符合走线规则和预订设计规则。
10.根据权利要求9所述的自动布线方法，其特征为，于该空间网格阵列不符合该走线规则和该预订设计规则时，将产生对应的判断码，并产生新的空间网格阵列。
11.根据权利要求8所述的自动布线方法，其特征为，该方法更包括于该判断码为非最佳解时，利用迭代函数产生新的空间网格阵列，其中，该新的空间网格阵列再次经电性模拟分析后，直到该判断码为最佳解。
12.根据权利要求8所述的自动布线方法，其特征为，该需求参数包含制程参数以及电性参数。
13.根据权利要求8所述的自动布线方法，其特征为，该网格利用不同符号表示不同线路状态。
CN201710531548.2A 2017-06-16 2017-07-03 自动布线系统及方法 Active CN109145342B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW106120154 2017-06-16
TW106120154A TWI674823B (zh) 2017-06-16 2017-06-16 自動佈線系統及方法

Publications (2)

Publication Number Publication Date
CN109145342A true CN109145342A (zh) 2019-01-04
CN109145342B CN109145342B (zh) 2023-05-12

Family

ID=64803812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710531548.2A Active CN109145342B (zh) 2017-06-16 2017-07-03 自动布线系统及方法

Country Status (2)

Country Link
CN (1) CN109145342B (zh)
TW (1) TWI674823B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685991A (zh) * 2020-12-22 2021-04-20 北京华大九天科技股份有限公司 一种满足约束的布线方法
CN113177385A (zh) * 2021-04-20 2021-07-27 深圳市一博科技股份有限公司 一种自动生成MeshLine的PCB设计方法
CN113435123A (zh) * 2021-07-05 2021-09-24 江苏核电有限公司 基于3d技术的变电站屏柜二次回路三维仿真培训方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4066147A1 (en) 2019-11-27 2022-10-05 InstaDeep Ltd Machine learning
GB2589352A (en) * 2019-11-27 2021-06-02 Instadeep Ltd Electrical circuit design
GB2589353A (en) * 2019-11-27 2021-06-02 Instadeep Ltd Electrical circuit design

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU3922197A (en) * 1996-11-01 1998-05-07 Motorola, Inc. Automatic synthesis of standard cells layouts
CN1404154A (zh) * 2001-09-05 2003-03-19 三菱电机株式会社 半导体装置及其制造方法
CN1438679A (zh) * 2002-02-14 2003-08-27 株式会社日立制作所 半导体集成电路器件的制造方法
CN1963827A (zh) * 2006-12-08 2007-05-16 清华大学 基于多步长迷宫算法的模拟集成电路自动布线方法
CN101320707A (zh) * 2008-05-19 2008-12-10 深圳市国微电子股份有限公司 结构化专用集成电路设置和生产方法
CN101916317A (zh) * 2010-08-23 2010-12-15 清华大学 基于无网格模型的集成电路模块到模块的布线方法
CN102456661A (zh) * 2010-10-19 2012-05-16 矽品精密工业股份有限公司 具有重布线路层的芯片结构及其制法
CN103064992A (zh) * 2011-10-20 2013-04-24 台达电子企业管理（上海）有限公司 一种基于有向网格点的布线存储结构及其布线方法
CN103488816A (zh) * 2013-09-02 2014-01-01 清华大学 模拟电路的多层精确匹配布线方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07160754A (ja) * 1993-12-07 1995-06-23 Ricoh Co Ltd レイアウト検証装置及びレイアウト自動生成装置並びにレイアウト検証方法及びレイアウト自動生成方法
TW201106184A (en) * 2009-08-11 2011-02-16 Hon Hai Prec Ind Co Ltd System and method for automatically designing layout of a circuit board
CN102065629A (zh) * 2009-11-18 2011-05-18 张瑞金 自动布线电路板

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU3922197A (en) * 1996-11-01 1998-05-07 Motorola, Inc. Automatic synthesis of standard cells layouts
CN1404154A (zh) * 2001-09-05 2003-03-19 三菱电机株式会社 半导体装置及其制造方法
CN1438679A (zh) * 2002-02-14 2003-08-27 株式会社日立制作所 半导体集成电路器件的制造方法
CN1963827A (zh) * 2006-12-08 2007-05-16 清华大学 基于多步长迷宫算法的模拟集成电路自动布线方法
CN101320707A (zh) * 2008-05-19 2008-12-10 深圳市国微电子股份有限公司 结构化专用集成电路设置和生产方法
CN101916317A (zh) * 2010-08-23 2010-12-15 清华大学 基于无网格模型的集成电路模块到模块的布线方法
CN102456661A (zh) * 2010-10-19 2012-05-16 矽品精密工业股份有限公司 具有重布线路层的芯片结构及其制法
CN103064992A (zh) * 2011-10-20 2013-04-24 台达电子企业管理（上海）有限公司 一种基于有向网格点的布线存储结构及其布线方法
CN103488816A (zh) * 2013-09-02 2014-01-01 清华大学 模拟电路的多层精确匹配布线方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685991A (zh) * 2020-12-22 2021-04-20 北京华大九天科技股份有限公司 一种满足约束的布线方法
CN112685991B (zh) * 2020-12-22 2022-11-01 北京华大九天科技股份有限公司 一种满足约束的布线方法
CN113177385A (zh) * 2021-04-20 2021-07-27 深圳市一博科技股份有限公司 一种自动生成MeshLine的PCB设计方法
CN113177385B (zh) * 2021-04-20 2024-02-02 深圳市一博科技股份有限公司 一种自动生成MeshLine的PCB设计方法
CN113435123A (zh) * 2021-07-05 2021-09-24 江苏核电有限公司 基于3d技术的变电站屏柜二次回路三维仿真培训方法

Also Published As

Publication number Publication date
CN109145342B (zh) 2023-05-12
TW201906525A (zh) 2019-02-01
TWI674823B (zh) 2019-10-11

Similar Documents

Publication Publication Date Title
CN109145342A (zh) 自动布线系统及方法
Chi et al. Learning of fuzzy cognitive maps with varying densities using a multiobjective evolutionary algorithm
Schuman et al. An evolutionary optimization framework for neural networks and neuromorphic architectures
KR101549796B1 (ko) 스파스 접속성을 야기하는 로컬 경쟁 학습 규칙을 위한 방법 및 장치
CN107103113A (zh) 面向神经网络处理器的自动化设计方法、装置及优化方法
CN114896937A (zh) 一种基于强化学习的集成电路布局优化方法
Yi et al. An efficient modified harmony search algorithm with intersect mutation operator and cellular local search for continuous function optimization problems
Xu et al. GoodFloorplan: Graph convolutional network and reinforcement learning-based floorplanning
CN107784380A (zh) 一种巡检最短路径的优化方法及优化系统
Porrmann et al. A massively parallel architecture for self-organizing feature maps
CN104809501A (zh) 一种基于类脑协处理器的计算机系统
Loni et al. ADONN: adaptive design of optimized deep neural networks for embedded systems
CN107392307A (zh) 并行化时序数据的预测方法
CN105187051A (zh) 一种基于NSGA-II用于不完全确定Reed-Muller电路功耗与面积优化方法
CN110119558A (zh) 一种基于差分优化算法的电路参数优化方法
CN109344969B (zh) 神经网络系统及其训练方法以及计算机可读介质
Noilublao et al. Simultaneous topology, shape, and sizing optimisation of plane trusses with adaptive ground finite elements using MOEAs
Jin et al. Mapping very large scale spiking neuron network to neuromorphic hardware
Rastogi et al. GA based clustering of mixed data type of attributes (numeric, categorical, ordinal, binary and ratio-scaled)
Liu et al. Illustration design model with clustering optimization genetic algorithm
Zhang et al. Analyzing two-settlement electricity market equilibrium by coevolutionary computation approach
Silalahi Application of neural network model with genetic algorithm to predict the international price of crude palm oil (cpo) and soybean oil (sbo)
CN115270686B (zh) 一种基于图神经网络的芯片布局方法
Ma et al. Genetic algorithm-based combinatorial parametric optimization for the calibration of microscopic traffic simulation models
CN108764586A (zh) 模糊Petri网参数优化方法、系统及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant