CN116127899B - 芯片设计系统、方法、电子设备和存储介质 - Google Patents
芯片设计系统、方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116127899B CN116127899B CN202310396398.4A CN202310396398A CN116127899B CN 116127899 B CN116127899 B CN 116127899B CN 202310396398 A CN202310396398 A CN 202310396398A CN 116127899 B CN116127899 B CN 116127899B
- Authority
- CN
- China
- Prior art keywords
- design
- chip
- service
- layout
- intelligent
- 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.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 618
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 99
- 238000012795 verification Methods 0.000 claims abstract description 79
- 238000011161 development Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims description 74
- 238000012545 processing Methods 0.000 claims description 22
- 238000012938 design process Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012942 design verification Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
Abstract
本申请公开了一种芯片设计系统、方法、电子设备和存储介质,涉及云计算技术领域,包括基础设施即服务IaaS层、平台即服务PaaS层和软件即服务SaaS层;所述PaaS层,与所述IaaS层和所述SaaS层连接,用于为芯片设计提供智能服务模型,构建所述系统的开发服务环境;所述SaaS层,用于接收芯片设计请求,调用所述芯片设计请求对应的所述智能服务模型对所述芯片设计请求进行版图设计和仿真验证。本申请提供的系统和方法,满足芯片设计对资源要求较高的需求,缩短了芯片的设计周期。
Description
技术领域
本申请涉及云计算技术领域,具体而言,涉及一种芯片设计系统、方法、电子设备和存储介质。
背景技术
后摩尔时代产业发展路径中,延续摩尔、扩展摩尔、超越摩尔分别从缩小器件尺寸、集成、新材料方面推动芯片性能的提升,而与之相匹配的是对EDA(Electronic DesignAutomation,电子设计自动化)更高的要求,包含效率提升,整体解决方案,方法学创新等。为了满足后摩尔时代对EDA提出的更高要求,EDA产品持续升级,包括更强的计算性能,系统级别的整合方案与分析能力等。
芯片设计是非常复杂的工作,对各环节的设计环境、算力、资源需求都较高。传统的EDA工具对新兴的芯片设计缺乏针对性支持,不能进行器件结构的快速绘制。
因此,如何解决设计复杂结构的芯片,缩短芯片的设计周期成为业界亟待解决的技术问题。
发明内容
本申请提供一种芯片设计系统、方法、电子设备和存储介质,用于解决如何解决设计复杂的芯片,缩短芯片的设计周期的技术问题。
本申请提供一种芯片设计系统,包括基础设施即服务IaaS层、平台即服务PaaS层和软件即服务SaaS层;
所述PaaS层,与所述IaaS层和所述SaaS层连接,用于为芯片设计提供智能服务模型,构建所述系统的开发服务环境;
所述SaaS层,用于接收芯片设计请求,调用所述芯片设计请求对应的所述智能服务模型对所述芯片设计请求进行版图设计和仿真验证。
在一些实施例中,所述系统还包括:
DaaS层,与所述SaaS层和所述PaaS层连接,用于获取所述系统的运行数据,生成芯片设计服务知识库,并基于所述芯片设计服务知识库,生成所述系统的器件库。
在一些实施例中,所述PaaS层包括大数据处理模块、开发环境构建模块、智能服务模块和弹性调度引擎;
所述大数据处理模块,用于对所述系统在芯片设计过程中生成的各类数据进行存储和计算;
所述开发环境构建模块,用于基于微服务架构、流水线技术和镜像仓库技术,构建所述系统的开发服务环境;
所述智能服务模块,用于存储智能服务模型;所述智能服务模型包括智能设计服务模型、智能仿真服务模型和智能分析服务模型;
所述弹性调度引擎,用于在基础设施服务资源池中为所述芯片设计请求分配基础设施服务资源。
在一些实施例中,所述DaaS层包括数据收集模块、知识库模块、器件库模块和外部调用模块;
所述数据收集模块,用于收集所述系统的运行数据;
所述知识库模块,用于基于所述运行数据,确定所述芯片设计服务知识库;
所述器件库模块,用于对所述芯片设计服务知识库中的知识数据进行抽取,生成所述器件库;
所述外部调用模块,用于生成所述芯片设计服务知识库的外部调用接口,以及生成所述器件库的外部调用文件。
在一些实施例中,所述SaaS层包括:
版图设计服务模块,用于接收芯片设计请求,从器件库中获取所述芯片设计请求对应的目标器件的设计参数,并基于所述智能设计服务模型和所述目标器件的设计参数,进行器件绘制和自动布线,生成所述芯片设计请求对应的版图设计文件。
在一些实施例中,所述SaaS层包括:
芯片仿真服务模块,用于基于所述智能仿真服务模型对所述版图设计文件中的芯片进行参数验证,生成所述版图设计文件的芯片参数验证结果。
在一些实施例中,所述SaaS层包括:
性能展示服务模块,用于在所述芯片参数验证结果为通过的情况下,基于所述智能分析服务模型对所述版图设计文件中的芯片进行性能分析,并展示所述芯片的性能分析结果。
在一些实施例中,所述运行数据包括芯片种类、版图设计种类、版图设计参数、器件设计种类和器件设计参数中的至少一种。
本申请提供一种芯片设计方法,应用于所述的芯片设计系统,包括:
接收芯片设计请求;
确定所述芯片设计请求的服务类型;
在所述服务类型为一体化服务的情况下,向用户展示所述系统的器件库;
响应于用户在所述器件库中的第一输入,确定目标器件以及所述目标器件的设计参数;
基于智能设计服务模型和所述目标器件的设计参数,进行器件绘制和自动布线,生成所述芯片设计请求对应的第一版图设计文件;
基于智能仿真服务模型对所述第一版图设计文件进行参数验证,生成所述第一版图设计文件的芯片参数验证结果;
在所述芯片参数验证结果为通过的情况下,基于智能分析服务模型对所述第一版图设计文件中的芯片进行性能分析,并展示所述芯片的性能分析结果。
在一些实施例中,所述方法还包括:
在所述芯片参数验证结果为不通过的情况下,获取所述第一版图设计文件中各个器件的仿真参数;
将各个器件的仿真参数与各个器件的设计参数进行匹配,将匹配结果不一致的器件作为待调整器件;
对所述待调整器件的器件参数和/或所述第一版图设计文件中的布线进行调整,直至所述待调整器件的仿真参数与设计参数一致。
在一些实施例中,所述确定所述芯片设计请求的服务类型之后,所述方法还包括:
在所述服务类型为独立服务的情况下,响应于用户的第二输入,生成自定义器件以及所述自定义器件的设计参数;
基于智能设计服务模型和所述自定义器件的设计参数,进行器件绘制和自动布线,生成所述芯片设计请求对应的第二版图设计文件;
基于智能仿真服务模型对所述第二版图设计文件进行参数验证,生成所述第二版图设计文件的芯片参数验证结果。
在一些实施例中,所述生成所述第二版图设计文件的芯片参数验证结果之后,所述方法还包括:
在所述芯片参数验证结果为不通过的情况下,响应于用户的第三输入,对所述第二版图设计文件中各个自定义器件的器件参数和/或所述第二版图设计文件中的布线进行调整。
在一些实施例中,所述方法还包括:
获取各个设计服务模块生成的运行数据;
对所述运行数据进行处理,得到芯片设计服务知识库;
对所述芯片设计服务知识库中的知识数据进行抽取,生成器件库;
生成所述芯片设计服务知识库的外部调用接口,以及生成所述器件库的外部调用文件。
在一些实施例中,所述方法还包括:
获取当前用户的历史数据;所述历史数据包括器件使用信息、图层使用信息和线路布局信息中的至少一种;
对所述历史数据进行大数据处理,得到所述当前用户的设计偏好信息;所述设计偏好信息包括器件使用偏好信息、图层使用偏好信息和线路布局偏好信息中的至少一种;
基于所述当前用户的设计偏好信息,对所述当前用户在所述系统的设计界面中的各个设计选项进行调整。
在一些实施例中,所述基于智能设计服务模型和所述目标器件的设计参数,进行器件绘制和自动布线,生成所述芯片设计请求对应的第一版图设计文件,包括:
将所述目标器件的设计参数输入至所述智能设计服务模型,得到所述智能设计服务模型输出的第一版图设计文件;
其中,所述智能设计服务模型是基于多个样本芯片的样本版图设计文件训练得到的;
所述样本版图设计文件包括样本芯片中各个器件的设计参数和各个器件之间的布线信息。
在一些实施例中,所述基于智能仿真服务模型对所述第一版图设计文件进行参数验证,生成所述第一版图设计文件的芯片参数验证结果,包括:
对所述第一版图设计文件进行解析,得到所述第一版图设计文件中的多个器件;
对所述多个器件进行分类,确定各个器件对应的器件类别;
基于各个器件对应的器件类别,确定各个器件对应的智能仿真服务模型;
基于各个器件对应的智能仿真服务模型对各个器件进行输入输出仿真,得到各个器件的仿真参数;
基于各个器件的仿真参数和设计参数的对比结果,确定所述第一版图设计文件的芯片参数验证结果。
在一些实施例中,所述智能仿真服务模型是基于多个样本器件的样本仿真参数,以及各个样本仿真参数对应的输入信号和输出信号训练得到的。
在一些实施例中,所述基于智能分析服务模型对所述第一版图设计文件中的芯片进行性能分析,并展示所述芯片的性能分析结果,包括:
确定所述第一版图设计文件中的芯片类型;
基于所述芯片类型,确定所述芯片对应的智能分析服务模型;
基于所述芯片对应的智能分析服务模型对所述芯片进行性能分析,得到所述芯片的性能分析结果。
在一些实施例中,所述方法还包括:
获取多个芯片设计请求;
确定各个芯片设计请求对应的资源需求信息;
基于各个芯片设计请求对应的资源需求信息,在基础设施服务资源池中为各个芯片设计请求分配基础设施服务资源。
在一些实施例中,所述方法还包括:
获取当前芯片版图,以及多个芯片协同设计请求;
确定各个芯片协同设计请求在所述当前芯片版图中对应的设计区域;
为各个芯片协同设计请求建立芯片版图设计副本,在各个芯片版图设计副本中加载各个芯片协同设计请求对应的设计区域。
在一些实施例中,所述方法还包括:
获取各个芯片协同设计请求在对应的芯片版图设计副本中的设计结果;
基于各个芯片协同设计请求在所述当前芯片版图中对应的设计区域,对各个芯片协同设计请求对应的设计结果进行合并,得到所述当前芯片版图的设计结果。
本申请提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的芯片设计方法。
本申请提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的芯片设计方法。
本申请提供的芯片设计系统,包括IaaS层、PaaS层、SaaS层和DaaS层;IaaS层用于构建系统的基础设施服务资源池;PaaS层用于构建系统的开发服务环境;SaaS层用于生成芯片设计请求对应的版图设计文件,以及对版图设计文件中的芯片进行仿真验证;DaaS层用于生成芯片设计服务知识库和器件库。由于采用了云计算架构,使得该系统能够适应芯片的复杂设计流程,满足芯片设计对资源要求较高的需求,缩短了芯片的设计周期。
本申请提供的芯片设计系统,PaaS层包括大数据处理模块、开发环境构建模块、智能服务模块和弹性调度引擎,提供了芯片设计系统的开发服务环境,其中提供的智能设计服务模型可以供SaaS层中的各个设计模块调用,能够大大提高了用户的生产力以及设计的自动化,缩短了芯片的设计时间,提高了芯片的开发设计效率。
本申请提供的芯片设计系统,DaaS层包括数据收集模块、知识库模块、器件库模块和外部调用模块,能够对芯片设计过程中的数据进行处理和利用,形成知识库,并进一步得到器件库,实现了对设计数据的利用率,提高了芯片的开发设计效率。
本申请提供的芯片设计方法,应用于采用了云计算架构的芯片设计系统,基于智能设计服务模型进行器件绘制和自动布线,生成芯片设计请求对应的第一版图设计文件;基于智能仿真服务模型对第一版图设计文件进行参数验证;基于智能分析服务模型对所述第一版图设计文件中的芯片进行性能分析;能够适应芯片的复杂设计流程,满足芯片设计对资源要求较高的需求,缩短了芯片的设计周期;能够一体化地实现从芯片设计、参数验证和性能分析,简化了设计验证过程,节约了人力成本,加速了芯片的设计进程,降低了芯片的设计成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的芯片设计系统的结构示意图之一;
图2是本申请提供的芯片设计系统的结构示意图之二;
图3是本申请提供的芯片设计方法的流程示意图之一;
图4是本申请提供的芯片设计方法的流程示意图之二;
图5是本申请提供的芯片设计方法的流程示意图之三;
图6是本申请提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是本申请提供的芯片设计系统的结构示意图之一,如图1所示,该系统包括基础设施即服务IaaS层110、平台即服务PaaS层120、软件即服务SaaS层130和数据即服务DaaS层140。
IaaS层110,用于基于系统连接的计算设备、存储设备、网络设备和安全设备,构建系统的基础设施服务资源池。
PaaS层120,与IaaS层110连接,用于为芯片设计提供智能服务模型,构建系统的开发服务环境。
SaaS层130,与PaaS层120连接,用于接收芯片设计请求,调用所述芯片设计请求对应的所述智能服务模型对所述芯片设计请求进行版图设计和仿真验证。
DaaS层140,与SaaS层130和PaaS层120连接,用于获取所述系统的运行数据,生成芯片设计服务知识库,并基于所述芯片设计服务知识库,生成所述系统的器件库。
具体地,本申请实施例中的芯片为具有复杂结构的芯片,例如量子芯片。量子芯片就是将量子线路集成在基片上,进而承载量子信息处理功能的芯片。量子芯片的设计流程非常复杂,体现在对芯片设计所需的算力资源和存储资源均要求较高,使得现有的芯片设计系统无法适应量子芯片的设计流程,无法满足量子芯片设计的资源需求,使得量子芯片的设计周期较长。
为解决上述技术问题,本申请实施例提供的芯片设计系统采用云计算服务架构,可以包括IaaS(Infrastructure as a Service,基础设施即服务)层110、PaaS(Platformas a Service,平台即服务)层120、SaaS(Software as a Service,软件即服务)层130和DaaS(Data as a Service,数据即服务)层140。
IaaS层110用于为系统提供基础设施服务。该层包括系统连接的计算设备、存储设备、网络设备和安全设备等。IaaS层对这些资源进行统一管理,将这些设备作为基础设施,构建系统的基础设施服务资源池。基础设施服务资源池是系统所涉及到的各种资源的集合。
计算设备包括系统中执行计算任务的计算机或者服务器等。存储设备包括系统中执行数据存储的服务器和硬盘等。网络设备包括系统中的交换机和路由器等。安全设备包括系统中的网络安全管理设备等。以上设备分别构成计算资源、存储资源、网络资源和安全管理资源。
PaaS层120,与IaaS层110连接,在系统架构中设置于IaaS层110之上,用于构建系统的开发服务环境。开发服务环境包括在基本硬件和数字软件的基础上,为支持系统软件和应用软件的工程化开发和维护而使用的一组软件。它由软件工具和环境集成机制构成,前者用以支持软件开发的相关过程、活动和任务,后者为工具集成和软件的开发、维护及管理提供统一的支持。PaaS层120还用于为芯片设计提供智能服务模型,包括智能设计服务模型、智能仿真服务模型和智能分析服务模型等,能够提供芯片设计的自动化和智能化。
SaaS层130,与PaaS层120连接,在系统架构中设置于PaaS层120之上。SaaS层130用于运行与量子芯片设计相关的设计服务模块。这些设计服务模块以应用程序形式体现。用户可以轻量的客户端接口(例如浏览器)或者程序接口从各种客户端设备访问SaaS层130中的设计服务模块。SaaS层中的设计服务模块可以包括版图设计服务模块、芯片仿真服务模块和性能展示服务模块等。
在采用浏览器/服务器的方式的情况下,用户可以通过浏览器访问量子芯片设计系统,通过输入设备输入量子芯片设计请求。SaaS层130接收量子芯片设计请求,并对量子芯片设计请求进行解析,确定量子芯片设计请求对应的设计服务模块,调用所述芯片设计请求对应的所述智能服务模型,生成量子芯片设计请求对应的版图设计文件。
版图设计文件是指将设计并模拟优化后的量子芯片的电路转化成的一系列几何图形,包含了量子芯片的尺寸大小、各层拓扑定义等有关电子元器件的所有物理信息。
SaaS层130还可以对对版图设计文件中的量子芯片进行仿真验证。
DaaS层140,与SaaS层130和PaaS层120连接,主要用于系统中的运行数据,例如设计服务模块的运行数据(包括量子芯片设计过程中的关键指标等),并根据这些运行数据构建量子芯片设计服务知识库。该知识库包含了设计量子芯片的设计规则集合,以及这些设计规则关联的指标和数据等。
可以根据量子芯片的种类,对量子芯片设计服务知识库中的各个知识进行抽取、分析和整理,生成系统的器件库。器件库中包含了各个类别的量子芯片设计所需要的各类电子元器件的模板和参数等。
本申请实施例提供的芯片设计系统,包括IaaS层、PaaS层、SaaS层和DaaS层。IaaS层用于构建系统的基础设施服务资源池;PaaS层用于构建系统的开发服务环境;SaaS层用于生成芯片设计请求对应的版图设计文件,以及对版图设计文件中的芯片进行仿真验证;DaaS层用于生成芯片设计服务知识库和器件库。由于采用了云计算架构,使得该系统能够适应芯片的复杂设计流程,满足芯片设计对资源要求较高的需求,缩短了芯片的设计周期。
在一些实施例中,PaaS层包括大数据处理模块、开发环境构建模块、智能服务模块和弹性调度引擎。
大数据处理模块,用于对系统在量子芯片设计过程中生成的各类数据进行存储和计算;
开发环境构建模块,用于基于微服务架构、流水线技术和镜像仓库技术,构建系统的开发服务环境;
智能服务模块,用于存储智能设计服务模型、智能仿真服务模型和智能分析服务模型;
弹性调度引擎,用于在基础设施服务资源池中为量子芯片设计请求分配基础设施服务资源。
具体地,大数据处理模块可以采用Spark计算引擎、InfluxDB时序数据库和Sqoop数据迁移工具对系统在量子芯片设计过程中生成的各类数据进行存储和计算。
开发环境构建模块根据微服务架构、流水线技术和镜像仓库技术,构建系统的开发服务环境。
微服务架构使得系统的可以将单一应用程序划分成一组微服务,服务之间互相协调、互相配合。每个服务运行在其独立的进程中,服务与服务间采用轻量级的通信机制互相沟通。流水线技术可以实现串联编译构建、代码检查、自动化测试、部署发布等任务,承载软件从代码提交到发布上线全自动化流程。一次配置后即可重复触发执行,避免频繁低效的手工操作。镜像仓库是混合云备份的云上存储仓库,用于保存备份的数据。
智能服务模块主要用于存储智能设计服务模型、智能仿真服务模型和智能分析服务模型,以供SaaS层中的设计服务模块调用。这些模型都可以根据人工智能算法进行构建。
其中,智能设计服务模型主要用于对量子芯片进行版图设计,智能仿真服务模型主要用于对量子芯片进行仿真验证,智能分析服务模型主要用于对量子芯片进行性能分析。
弹性调度引擎主要用于在基础设施服务资源池中为量子芯片设计请求分配基础设施服务资源,提供算力支持。对于不同量子芯片设计请求,弹性调度引擎根据各个请求的资源需求数量和资源需求时间,智能调度资源池中的各类资源,进行动态缩放和扩展,满足各个请求的资源需求。
本申请实施例提供的芯片设计系统,PaaS层提供了芯片设计系统的开发服务环境,其中提供的智能设计服务模型可以供SaaS层中的各个设计模块调用,能够大大提高了用户的生产力以及设计的自动化,缩短了芯片的设计时间,提高了芯片的开发设计效率。
在一些实施例中,SaaS层包括:
版图设计服务模块,用于接收芯片设计请求,从器件库中获取芯片设计请求对应的目标器件的设计参数,并基于智能设计服务模型和目标器件的设计参数,进行器件绘制和自动布线,生成芯片设计请求对应的版图设计文件。
具体地,版图设计服务模块在接收量子芯片设计请求后,对该请求进行解析,确定该请求需要设计的量子芯片所对应的目标器件。可以从系统的器件库中获取目标器件的设计参数,调用智能设计服务模型来完成目标器件的绘制,以及目标器件之间的线路布局,自动添加相关的标注,从而自动生成版图设计文件。
本申请实施例提供的芯片设计系统,SaaS层中运行有版图设计服务模块,能够调用智能设计服务模型来完成芯片的自动设计,无须设计人员手动操作,缩短了芯片的设计时间,提高了芯片的开发设计效率。
在一些实施例中,SaaS层包括:
芯片仿真服务模块,用于基于智能仿真服务模型对版图设计文件中的芯片进行参数验证,生成版图设计文件的芯片参数验证结果。
具体地,在完成版图设计文件的设计之后,芯片仿真服务模块可以调用智能仿真服务模型,对版图设计文件中的量子芯片进行参数验证,包括量子芯片上各个模块和各个电路的参数验证。最终,自动汇总生成版图设计文件的芯片参数验证结果。
本申请实施例提供的芯片设计系统,SaaS层中运行有芯片仿真服务模块,能够调用智能仿真服务模型来完成芯片的自动参数验证,无须设计人员手动操作,缩短了芯片的设计时间,提高了芯片的开发设计效率。
在一些实施例中,SaaS层包括:
性能展示服务模块,用于在芯片参数验证结果为通过的情况下,基于智能分析服务模型对版图设计文件中的芯片进行性能分析,并展示芯片的性能分析结果。
具体地,在芯片参数验证结果为通过的情况下,性能展示服务模块可以自动地调用智能分析服务模型对量子芯片进行性能分析。不同的芯片类型具有不同的性能分析指标。例如如果量子芯片为处理器,则性能分析指标包括主频、总线频率和缓存等。
在完成性能分析后,性能展示服务模块可以以图片或者图表等可视化方式展示量子芯片的性能分析结果。
本申请实施例提供的芯片设计系统,SaaS层中运行有性能展示服务模块,能够调用智能分析服务模型来完成芯片的自动性能分析,缩短了芯片的设计时间,提高了芯片的开发设计效率。
在一些实施例中,DaaS层包括数据收集模块、知识库模块、器件库模块和外部调用模块;
数据收集模块,用于收集系统的运行数据;
知识库模块,用于基于大数据处理模块对运行数据进行处理,得到芯片设计服务知识库;
器件库模块,用于对芯片设计服务知识库中的知识数据进行抽取,生成系统对应的标准器件库、非标准器件库以及分类器件库;
外部调用模块,用于生成芯片设计服务知识库的外部调用接口,以及生成标准器件库的外部调用文件。
具体地,数据收集模块主要与SaaS层中各个设计服务模块连接,收集这些模型在运行中生成的运行数据。知识库模块利用PaaS层提供的大数据处理模块对运行数据进行处理,形成量子芯片设计服务知识库。
器件库模块可以根据量子芯片的种类,对量子芯片设计服务知识库中的知识数据进行抽取、分析和整理,得到各个类别的量子芯片对应的典型器件的设计参数,并分别存至标准器件库、非标准器件库以及分类器件库。
标准器件库用来存储各个量子芯片通用的电子元器件的设计参数,例如电阻、电容和电感等。非标准器件库用来存储特殊电子元器件的设计参数。这里的特殊电子元器件可以是用户自定义构建的。分类器件库可以是用户按照用途进行分类后生成的器件库。
外部调用模块主要负责向外部系统提供知识库的接口,便于外部系统调用。此外,外部调用模块还生成标准器件库外部调用文件,导出并提供给外部系统使用。
本申请实施例提供的芯片设计系统,DaaS层能够对芯片设计过程中的数据进行处理和利用,形成知识库,并进一步得到器件库,实现了对设计数据的利用率,提高了芯片的开发设计效率。
在一些实施例中,运行数据包括芯片种类、版图设计种类、版图设计参数、器件设计种类和器件设计参数中的至少一种。
具体地,量子芯片种类为芯片的用途类别,例如处理芯片和存储芯片等。版图设计种类为版图的设计类别,包括逻辑设计版图和物理设计版图等。版图设计参数为芯片设计版图中的参数。器件设计种类为设计量子芯片所用到的典型元器件的种类。器件设计参数为各个元器件的参数。
图2是本申请提供的芯片设计系统的结构示意图之二,如图2所示,PaaS层120包括大数据处理模块121、开发环境构建模块122、智能服务模块123和弹性调度引擎124。SaaS层130包括版图设计服务模块131、芯片仿真服务模块132和性能展示服务模块133。DaaS层140包括数据收集模块141、知识库模块142、器件库模块143和外部调用模块144。
下面对本申请实施例提供的方法进行描述,下文描述的方法与上文描述的装置可相互对应参照。
图3是本申请提供的芯片设计方法的流程示意图之一,如图3所示,该方法包括:
步骤310、接收芯片设计请求。
具体地,本申请实施例提供的芯片设计方法的执行主体为上述实施例中的芯片设计系统。用户可以通过浏览器登录芯片设计系统,并在系统页面中输入芯片设计请求。
步骤320、确定芯片设计请求的服务类型。
具体地,本申请实施例提供的芯片设计系统提供两种服务类型,分别为一体化服务和独立服务。
一体化服务为设计完的芯片版图直接进行仿真运行,并且通过系统提供的人工智能功能,从版图设计、仿真验证和性能分析的全程自动化,实现最优化,自动化,智能化。独立服务为芯片版图设计完之后导出相关格式的文件,然后再导入仿真服务进行验证。
步骤330、在服务类型为一体化服务的情况下,向用户展示系统的器件库。
具体地,当芯片设计请求的服务类型为一体化服务时,系统自动开启芯片设计智能服务。
当用户登录系统后,系统自动按照用户者的常用方式打开设计编辑器,同时根据相关芯片设计种类展示器件库。
系统可以记录用户的账号和设计编辑器的布局方式,并对其进行关联,为用户提供个性化服务。
步骤340、响应于用户在器件库中的第一输入,确定目标器件以及目标器件的设计参数。
具体地,用户可以在器件库中进行选择,形成第一输入。系统根据第一输入,从器件库中确定用户选择的目标器件,以及这些目标器件的设计参数。
步骤350、基于智能设计服务模型和目标器件的设计参数,进行器件绘制和自动布线,生成芯片设计请求对应的第一版图设计文件。
具体地,系统调用智能设计服务模型来完成目标器件的绘制,以及目标器件之间的线路布局,自动添加相关的标注,从而自动生成第一版图设计文件。
步骤360、基于智能仿真服务模型对第一版图设计文件进行参数验证,生成第一版图设计文件的芯片参数验证结果。
具体地,系统调用智能仿真服务模型,对版图设计文件中的芯片进行参数验证,包括芯片上各个模块和各个电路的参数验证。最终,自动汇总生成第一版图设计文件的芯片参数验证结果。
步骤370、在芯片参数验证结果为通过的情况下,基于智能分析服务模型对第一版图设计文件中的芯片进行性能分析,并展示芯片的性能分析结果。
具体地,在芯片参数验证结果为通过的情况下,系统调用智能分析服务模型对芯片进行性能分析。在完成性能分析后,可以以图片或者图表等可视化方式展示芯片的性能分析结果。
本申请实施例提供的芯片设计方法,应用于采用了云计算架构的芯片设计系统,能够适应芯片的复杂设计流程,满足芯片设计对资源要求较高的需求,缩短了芯片的设计周期。此外,能够一体化地实现从芯片设计、参数验证和性能分析,简化了设计验证过程,节约了人力成本,加速了芯片的设计进程,降低了芯片的设计成本。
需要说明的是,本申请每一个实施方式可以自由组合、调换顺序或者单独执行,并不需要依靠或依赖固定的执行顺序。
在一些实施例中,图4是本申请提供的芯片设计方法的流程示意图之二,如图4所示,方法还包括:
步骤410、在芯片参数验证结果为不通过的情况下,获取第一版图设计文件中各个器件的仿真参数;
步骤420、将各个器件的仿真参数与各个器件的设计参数进行匹配,将匹配结果不一致的器件作为待调整器件;
步骤430、对待调整器件的器件参数和/或第一版图设计文件中的布线进行调整,直至待调整器件的仿真参数与设计参数一致。
具体地,如果芯片参数验证结果为不通过,则系统自动获取第一版图设计文件中各个器件的仿真参数,然后将各个器件的仿真参数与设计参数进行匹配,将匹配结果不一致的器件作为待调整器件。
器件仿真结果产生的原因有两种,一种是器件在设计时输入的器件参数不合理;另一种是器件和器件之间的布线不合理。因此,对于待调整器件,可以对器件参数和布线进行调整,得到调整后的第一版图设计文件。
继续对调整后的第一版图设计文件中的量子芯片进行参数验证,如果所有待调整器件的仿真参数与设计参数一致,则可以确定芯片参数验证结果为通过。否则继续按照上述方法确定新的待调整器件,并进行参数调整或者布线调整,直至待调整器件的仿真参数与设计参数一致。
本申请实施例提供的量子芯片设计方法,能够自动地将仿真参数和设计参数进行匹配,确定待调整器件,并自动地进行量子芯片版图设计和器件参数的调整,缩短了芯片的设计时间,提高了芯片的开发设计效率。
在一些实施例中,步骤320之后还包括:
在服务类型为独立服务的情况下,响应于用户的第二输入,生成自定义器件以及自定义器件的设计参数;
基于智能设计服务模型和自定义器件的设计参数,进行器件绘制和自动布线,生成芯片设计请求对应的第二版图设计文件;
基于智能仿真服务模型对第二版图设计文件进行参数验证,生成第二版图设计文件的芯片参数验证结果。
具体地,当量子芯片设计请求的服务类型为独立服务时,用户在系统的设计界面中可以选择元器件设计,形成第二输入。
系统根据用户的第二输入,生成自定义器件,以及自定义器件的设计参数。自定义器件为用户在系统中自行设计的元器件。
用户可以将这些自定义器件以及自定义器件的设计参数保存至器件库中。
在设计量子芯片的过程中,智能设计服务模型调用自定义器件的设计参数,以及器件库中的其他器件的设计参数,进行器件绘制和自动布线,生成量子芯片设计请求对应的第二版图设计文件。
系统调用智能仿真服务模型,对第二版图设计文件中的量子芯片进行参数验证,包括量子芯片上各个模块和各个电路的参数验证。最终,自动汇总生成第二版图设计文件的芯片参数验证结果。
本申请实施例提供的芯片设计方法,能够根据用户的输入,调用智能仿真服务模型对版图设计文件进行参数验证,缩短了芯片的设计时间,提高了芯片的开发设计效率。
在一些实施例中,生成第二版图设计文件的芯片参数验证结果之后,方法还包括:
在芯片参数验证结果为不通过的情况下,响应于用户的第三输入,对第二版图设计文件中各个自定义器件的器件参数和/或第二版图设计文件中的布线进行调整。
具体地,由于自定义器件是用户自行开发设计的,在第二版图设计文件的芯片参数验证结果为不通过的情况下,用户可以利用系统提供的设计修改工具进行操作,形成第三输入。
系统接收到用户的第三输入后,可以对第二版图设计文件中各个自定义器件的器件参数和/或第二版图设计文件中的布线进行调整,使得各个自定义器件的仿真参数与设计参数一致。
在一些实施例中,图5是本申请提供的芯片设计方法的流程示意图之三,如图5所示,该方法还包括:
步骤510、获取各个设计服务模块生成的运行数据;
步骤520、对运行数据进行处理,得到芯片设计服务知识库;
步骤530、对芯片设计服务知识库中的知识数据进行抽取,生成器件库;
步骤540、生成芯片设计服务知识库的外部调用接口,以及生成器件库的外部调用文件。
具体地,系统实时收集用户设计过程中的运行数据,包括量子芯片种类、版图设计种类、版图设计参数、包含的器件、器件类型、器件参数等等。
对运行数据进行大数据处理后,形成量子芯片设计知识库,知识库包含量子设计的各种相关参数。
按照芯片的种类通过对量子芯片设计的抽取、分析、整理,形成标准器件库、分类器件库以及非标准器件库。
量子芯片设计知识库可以供用户直接使用,也可以通过接口的方式提供给外部系统使用。标准器件库同样可以供用户直接使用,也可以导出文件的方式供外部系统使用。
本申请实施例提供的芯片设计方法,能够对芯片设计过程中的数据进行处理和利用,形成知识库,并进一步得到器件库,实现了对设计数据的利用率,能够分享和积累设计知识,提高了芯片的开发设计效率。
在一些实施例中,该方法还包括:
获取当前用户的历史数据;历史数据包括器件使用信息、图层使用信息和线路布局信息中的至少一种;
对历史数据进行大数据处理,得到当前用户的设计偏好信息;设计偏好信息包括器件使用偏好信息、图层使用偏好信息和线路布局偏好信息中的至少一种;
基于当前用户的设计偏好信息,对当前用户在系统的设计界面中的各个设计选项进行调整。
具体地,对于不同的用户,还可以根据用户的设计偏好,向用户提供不同的设计界面。
对于当前用户而言,可以收集当前用户在量子芯片设计系统中的历史数据,包括器件使用信息、图层使用信息和线路布局信息。
器件使用信息是指当前用户在设计量子芯片时使用的器件类别和数量等信息。图层使用信息是指当前用户在设计量子芯片时使用的图层类别、顺序和数量等信息。线路布局信息是指当前用户在设计量子芯片时对线路的布局操作,包括设置走线、设置过孔、设置拐角等操作。
可以对这些历史数据进行大数据处理,得到当前用户的设计偏好信息。设计偏好信息用于表示当前用户的设计偏好。设计偏好信息包括器件使用偏好信息、图层使用偏好信息和线路布局偏好信息等。
根据当前用户的设计偏好信息,对当前用户在系统的设计界面中的各个设计选项进行调整,例如当前用户偏好在走线时设置过孔,则可以将过孔设计对应的选项命令设置在各个设计选项中的靠前位置。
此外,还可以采用神经网络模型对这些历史数据进行处理,得到用户的设计偏好信息。
本申请实施例提供的芯片设计方法,能够对用户的历史数据进行分析,得到用户的设计偏好,提高了用户的使用体验。
在一些实施例中,步骤350包括:
将目标器件的设计参数输入至智能设计服务模型,得到智能设计服务模型输出的第一版图设计文件;
其中,智能设计服务模型是基于多个样本芯片的样本版图设计文件训练得到的;
样本版图设计文件包括样本芯片中各个器件的设计参数和各个器件之间的布线信息。
具体地,可以通过卷积神经网络(CNN)、递归神经网络(RNN)、深信度网络(DBN)、深度自动编码器(AutoEncoder)和生成对抗网络(GAN)等来构建智能设计服务模型。由智能设计服务模型来根据目标器件的设计参数,自动布线得到第一版图设计文件。
智能设计服务模型可以通过如下方式训练得到:
首先,收集大量的样本量子芯片的样本版图设计文件;其次,在样本版图设计文件中对各个器件的设计参数和各个器件之间的布线信息进行标注;最后,根据标注好的样本版图设计文件对神经网络模型进行训练,得到智能设计服务模型。
本申请实施例提供的量子芯片设计方法,通过人工智能算法实现版图设计的自动化,提高了芯片的开发设计效率。
在一些实施例中,步骤360包括:
对第一版图设计文件进行解析,得到第一版图设计文件中的多个器件;
对多个器件进行分类,确定各个器件对应的器件类别;
基于各个器件对应的器件类别,确定各个器件对应的智能仿真服务模型;
基于各个器件对应的智能仿真服务模型对各个器件进行输入输出仿真,得到各个器件的仿真参数;
基于各个器件的仿真参数和设计参数的对比结果,确定第一版图设计文件的芯片参数验证结果。
具体地,对第一版图设计文件进行解析,可以得到该版图设计文件中的多个器件。
这些器件可以按照用途或者信号,分为多个器件类别。对于不同类别的器件,可以采用对应的智能仿真服务模型。例如,量子芯片上可能包含多个存储器件和计算器件,而对于不同类别的器件,需要分别调用存储器件对应的智能仿真服务模型和计算器件对应的智能仿真服务模型进行仿真。
根据各个器件对应的智能仿真服务模型对各个器件进行输入输出仿真,得到各个器件的仿真参数。将各个器件的仿真参数和设计参数进行对比,根据对比结果可以确定第一版图设计文件的芯片参数验证结果。
在一些实施例中,智能仿真服务模型是基于多个样本器件的样本仿真参数,以及各个样本仿真参数对应的输入信号和输出信号训练得到的。
具体地,可以通过卷积神经网络(CNN)、递归神经网络(RNN)、深信度网络(DBN)、深度自动编码器(AutoEncoder)和生成对抗网络(GAN)等来构建智能仿真服务模型。
智能仿真服务模型可以通过如下方式训练得到:
首先,收集大量的样本器件;其次,确定各个样本器件的样本仿真参数,以及各个样本仿真参数对应的输入信号和输出信号;最后,以输入信号和输出信号为模型输入,仿真参数为模型输出,样本仿真参数为模型输出的真实值,对神经网络模型进行训练,得到智能仿真服务模型。
本申请实施例提供的量子芯片设计方法,通过人工智能算法实现量子芯片的自动参数验证,提高了芯片的开发设计效率。
在一些实施例中,步骤370包括:
确定第一版图设计文件中的芯片类型;
基于芯片类型,确定芯片对应的智能分析服务模型;
基于芯片对应的智能分析服务模型对芯片进行性能分析,得到芯片的性能分析结果。
具体地,对于不同芯片类型的量子芯片,性能分析指标不同,也可以采用对应的智能分析服务模型进行性能分析。例如,存储类芯片的性能分析指标包括存储容量和读写速度;处理类芯片的性能分析指标包括主频、总线频率和缓存等。
先确定量子芯片的芯片类型,再调用对应的智能分析服务模型对量子芯片进行性能分析,可以得到量子芯片的性能分析结果。
本申请实施例提供的芯片设计方法,通过人工智能算法实现芯片的自动性能分析,提高了芯片的开发设计效率。
在一些实施例中,该方法还包括:
获取多个芯片设计请求;
确定各个芯片设计请求对应的资源需求信息;
基于各个芯片设计请求对应的资源需求信息,在基础设施服务资源池中为各个芯片设计请求分配基础设施服务资源。
具体地,资源需求信息包括资源需求种类、资源需求数量和资源需求时间。
不同的量子芯片设计请求对对应的资源需求信息是不同的。系统可以根据各个请求的资源需求信息,智能调度资源池中的各类资源,进行动态缩放和扩展,满足各个请求的资源需求。
本申请实施例提供的量子芯片设计方法,通过根据各个量子芯片设计请求对应的资源需求信息来分配资源,能够实现面向多用户算力的智能调度和算力支持,提高了芯片的开发设计效率。
在一些实施例中,该方法还包括:
获取当前芯片版图,以及多个芯片协同设计请求;
确定各个芯片协同设计请求在当前芯片版图中对应的设计区域;
为各个芯片协同设计请求建立芯片版图设计副本,在各个芯片版图设计副本中加载各个芯片协同设计请求对应的设计区域。
具体地,本申请实施例提供的量子芯片设计方法还可以解决协同设计的问题。
系统先获取当前量子芯片版图,以及多个量子芯片协同设计请求。这些多个量子芯片协同设计请求均是针对当前量子芯片版图发起的。
系统对各个量子芯片协同设计请求进行解析,确定各个请求在当前量子芯片版图中对应的设计区域;为各个请求分别建立量子芯片版图设计副本,在各个量子芯片版图设计副本中加载各个请求对应的设计区域,使得各个请求只能对应固定的设计区域,相互之间不会产生影响,从而实现多用户协同设计。
在一些实施例中,该方法还包括:
获取各个芯片协同设计请求在对应的芯片版图设计副本中的设计结果;
基于各个芯片协同设计请求在当前芯片版图中对应的设计区域,对各个芯片协同设计请求对应的设计结果进行合并,得到当前芯片版图的设计结果。
具体地,在多用户协同设计结束后,系统获取各个量子芯片协同设计请求在对应的量子芯片版图设计副本中的设计结果;在当前量子芯片版图中,将各个设计请求的设计结果按照各个请求对应的设计区域进行合并,最终得到当前量子芯片版图的设计结果。
本申请实施例提供的量子芯片设计方法,采用云计算架构,包括IaaS层、PaaS层、SaaS层、DaaS层。IaaS层是量子云计算基础设施层,PaaS层是量子云计算平台既服务层,提供量子芯片设计系统的开发服务环境,其中PaaS层提供的人工智能服务大大提高了用户的生产力以及设计的自动化。使用增强智能,可以按照用户的偏好设置定制工具,具体关联到量子器件类型、图层、技术点和过去决策的线路布局拓扑建议。使用人工智能服务训练器件相关参数集合,在器件设计中根据相关参数自动布局相关器件,量子芯片版图设计之后就是量子仿真服务,通过人工智能服务模型,自动化进行服务的衔接、运行、验证,并自动学习相关验证服务参数,形成仿真服务模型。SaaS层包括量子芯片设计的服务业务,包括量子芯片版图设计服务、量子芯片仿真服务、量子性能展示服务等。DaaS层数据既服务,通过量子云计算收集量子芯片设计中的关键数据和指标,形成量子芯片设计服务知识库,并通过知识库分析抽象和人工智能服务结合形成标准器件库、分类器件库、特殊器件库等。量子云计算可以弹性算力支撑、算力智能调度、以及研发协同的问题。通过人工智能PaaS服务快速给出量子芯片最优的布局方案;加速验证过程,缩短芯片设计周期。通过本方法解决了量子芯片设计复杂化、无法协同、传统手工化、器件无标准、设计验证繁琐、算力不够、知识无法积累分享等问题。
图6是本申请提供的电子设备的结构示意图,如图6所示,该电子设备可以包括:处理器(Processor)610、通信接口(Communications Interface)620、存储器(Memory)630和通信总线(Communications Bus)640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑命令,以执行上述实施例中所述的方法,例如:
接收芯片设计请求;确定芯片设计请求的服务类型;在服务类型为一体化服务的情况下,向用户展示系统的器件库;响应于用户在器件库中的第一输入,确定目标器件以及目标器件的设计参数;基于智能设计服务模型和目标器件的设计参数,进行器件绘制和自动布线,生成芯片设计请求对应的第一版图设计文件;基于智能仿真服务模型对第一版图设计文件进行参数验证,生成第一版图设计文件的芯片参数验证结果;在芯片参数验证结果为通过的情况下,基于智能分析服务模型对第一版图设计文件中的芯片进行性能分析,并展示芯片的性能分析结果。
此外,上述的存储器中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干命令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的电子设备中的处理器可以调用存储器中的逻辑指令,实现上述方法,其具体的实施方式与前述方法实施方式一致,且可以达到相同的有益效果,此处不再赘述。
本申请实施例还提供一种计算机可读的存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法。
其具体的实施方式与前述方法实施方式一致,且可以达到相同的有益效果,此处不再赘述。
本申请实施例提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现如上述方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (19)
1.一种芯片设计系统,其特征在于,包括基础设施即服务IaaS层、平台即服务PaaS层和软件即服务SaaS层;
所述PaaS层,与所述IaaS层和所述SaaS层连接,用于为芯片设计提供智能服务模型,构建所述系统的开发服务环境;
所述SaaS层,用于接收芯片设计请求,调用所述芯片设计请求对应的所述智能服务模型对所述芯片设计请求进行版图设计和仿真验证;
所述系统还包括:
DaaS层,与所述SaaS层和所述PaaS层连接,用于获取所述系统的运行数据,生成芯片设计服务知识库,并基于所述芯片设计服务知识库,生成所述系统的器件库;
所述PaaS层包括大数据处理模块、开发环境构建模块、智能服务模块和弹性调度引擎;
所述大数据处理模块,用于对所述系统在芯片设计过程中生成的各类数据进行存储和计算;
所述开发环境构建模块,用于基于微服务架构、流水线技术和镜像仓库技术,构建所述系统的开发服务环境;
所述智能服务模块,用于存储智能服务模型;所述智能服务模型包括智能设计服务模型、智能仿真服务模型和智能分析服务模型;
所述弹性调度引擎,用于在基础设施服务资源池中为所述芯片设计请求分配基础设施服务资源;
所述SaaS层包括:
版图设计服务模块,用于接收芯片设计请求,从器件库中获取所述芯片设计请求对应的目标器件的设计参数,并基于所述智能设计服务模型和所述目标器件的设计参数,进行器件绘制和自动布线,生成所述芯片设计请求对应的版图设计文件;
芯片仿真服务模块,用于基于所述智能仿真服务模型对所述版图设计文件中的芯片进行参数验证,生成所述版图设计文件的芯片参数验证结果。
2.根据权利要求1所述的芯片设计系统,其特征在于,所述DaaS层包括数据收集模块、知识库模块、器件库模块和外部调用模块;
所述数据收集模块,用于收集所述系统的运行数据;
所述知识库模块,用于基于所述运行数据,确定所述芯片设计服务知识库;
所述器件库模块,用于对所述芯片设计服务知识库中的知识数据进行抽取,生成所述器件库;
所述外部调用模块,用于生成所述芯片设计服务知识库的外部调用接口,以及生成所述器件库的外部调用文件。
3.根据权利要求1所述的芯片设计系统,其特征在于,所述SaaS层包括:
性能展示服务模块,用于在所述芯片参数验证结果为通过的情况下,基于所述智能分析服务模型对所述版图设计文件中的芯片进行性能分析,并展示所述芯片的性能分析结果。
4.根据权利要求1所述的芯片设计系统,其特征在于,所述运行数据包括芯片种类、版图设计种类、版图设计参数、器件设计种类和器件设计参数中的至少一种。
5.一种芯片设计方法,其特征在于,应用于权利要求1至4任一项所述的芯片设计系统,包括:
接收芯片设计请求;
确定所述芯片设计请求的服务类型;
在所述服务类型为一体化服务的情况下,向用户展示所述系统的器件库;
响应于用户在所述器件库中的第一输入,确定目标器件以及所述目标器件的设计参数;
基于智能设计服务模型和所述目标器件的设计参数,进行器件绘制和自动布线,生成所述芯片设计请求对应的第一版图设计文件;
基于智能仿真服务模型对所述第一版图设计文件进行参数验证,生成所述第一版图设计文件的芯片参数验证结果;
在所述芯片参数验证结果为通过的情况下,基于智能分析服务模型对所述第一版图设计文件中的芯片进行性能分析,并展示所述芯片的性能分析结果。
6.根据权利要求5所述的芯片设计方法,其特征在于,所述方法还包括:
在所述芯片参数验证结果为不通过的情况下,获取所述第一版图设计文件中各个器件的仿真参数;
将各个器件的仿真参数与各个器件的设计参数进行匹配,将匹配结果不一致的器件作为待调整器件;
对所述待调整器件的器件参数和/或所述第一版图设计文件中的布线进行调整,直至所述待调整器件的仿真参数与设计参数一致。
7.根据权利要求5所述的芯片设计方法,其特征在于,所述确定所述芯片设计请求的服务类型之后,所述方法还包括:
在所述服务类型为独立服务的情况下,响应于用户的第二输入,生成自定义器件以及所述自定义器件的设计参数;
基于智能设计服务模型和所述自定义器件的设计参数,进行器件绘制和自动布线,生成所述芯片设计请求对应的第二版图设计文件;
基于智能仿真服务模型对所述第二版图设计文件进行参数验证,生成所述第二版图设计文件的芯片参数验证结果。
8.根据权利要求7所述的芯片设计方法,其特征在于,所述生成所述第二版图设计文件的芯片参数验证结果之后,所述方法还包括:
在所述芯片参数验证结果为不通过的情况下,响应于用户的第三输入,对所述第二版图设计文件中各个自定义器件的器件参数和/或所述第二版图设计文件中的布线进行调整。
9.根据权利要求5所述的芯片设计方法,其特征在于,所述方法还包括:
获取各个设计服务模块生成的运行数据;
对所述运行数据进行处理,得到芯片设计服务知识库;
对所述芯片设计服务知识库中的知识数据进行抽取,生成器件库;
生成所述芯片设计服务知识库的外部调用接口,以及生成所述器件库的外部调用文件。
10.根据权利要求5所述的芯片设计方法,其特征在于,所述方法还包括:
获取当前用户的历史数据;所述历史数据包括器件使用信息、图层使用信息和线路布局信息中的至少一种;
对所述历史数据进行大数据处理,得到所述当前用户的设计偏好信息;所述设计偏好信息包括器件使用偏好信息、图层使用偏好信息和线路布局偏好信息中的至少一种;
基于所述当前用户的设计偏好信息,对所述当前用户在所述系统的设计界面中的各个设计选项进行调整。
11.根据权利要求5所述的芯片设计方法,其特征在于,所述基于智能设计服务模型和所述目标器件的设计参数,进行器件绘制和自动布线,生成所述芯片设计请求对应的第一版图设计文件,包括:
将所述目标器件的设计参数输入至所述智能设计服务模型,得到所述智能设计服务模型输出的第一版图设计文件;
其中,所述智能设计服务模型是基于多个样本芯片的样本版图设计文件训练得到的;
所述样本版图设计文件包括样本芯片中各个器件的设计参数和各个器件之间的布线信息。
12.根据权利要求5所述的芯片设计方法,其特征在于,所述基于智能仿真服务模型对所述第一版图设计文件进行参数验证,生成所述第一版图设计文件的芯片参数验证结果,包括:
对所述第一版图设计文件进行解析,得到所述第一版图设计文件中的多个器件;
对所述多个器件进行分类,确定各个器件对应的器件类别;
基于各个器件对应的器件类别,确定各个器件对应的智能仿真服务模型;
基于各个器件对应的智能仿真服务模型对各个器件进行输入输出仿真,得到各个器件的仿真参数;
基于各个器件的仿真参数和设计参数的对比结果,确定所述第一版图设计文件的芯片参数验证结果。
13.根据权利要求12所述的芯片设计方法,其特征在于,所述智能仿真服务模型是基于多个样本器件的样本仿真参数,以及各个样本仿真参数对应的输入信号和输出信号训练得到的。
14.根据权利要求5所述的芯片设计方法,其特征在于,所述基于智能分析服务模型对所述第一版图设计文件中的芯片进行性能分析,并展示所述芯片的性能分析结果,包括:
确定所述第一版图设计文件中的芯片类型;
基于所述芯片类型,确定所述芯片对应的智能分析服务模型;
基于所述芯片对应的智能分析服务模型对所述芯片进行性能分析,得到所述芯片的性能分析结果。
15.根据权利要求5所述的芯片设计方法,其特征在于,所述方法还包括:
获取多个芯片设计请求;
确定各个芯片设计请求对应的资源需求信息;
基于各个芯片设计请求对应的资源需求信息,在基础设施服务资源池中为各个芯片设计请求分配基础设施服务资源。
16.根据权利要求5所述的芯片设计方法,其特征在于,所述方法还包括:
获取当前芯片版图,以及多个芯片协同设计请求;
确定各个芯片协同设计请求在所述当前芯片版图中对应的设计区域;
为各个芯片协同设计请求建立芯片版图设计副本,在各个芯片版图设计副本中加载各个芯片协同设计请求对应的设计区域。
17.根据权利要求16所述的芯片设计方法,其特征在于,所述方法还包括:
获取各个芯片协同设计请求在对应的芯片版图设计副本中的设计结果;
基于各个芯片协同设计请求在所述当前芯片版图中对应的设计区域,对各个芯片协同设计请求对应的设计结果进行合并,得到所述当前芯片版图的设计结果。
18.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求5至17任一项所述的芯片设计方法。
19.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求5至17任一项所述的芯片设计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310396398.4A CN116127899B (zh) | 2023-04-14 | 2023-04-14 | 芯片设计系统、方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310396398.4A CN116127899B (zh) | 2023-04-14 | 2023-04-14 | 芯片设计系统、方法、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116127899A CN116127899A (zh) | 2023-05-16 |
CN116127899B true CN116127899B (zh) | 2023-08-04 |
Family
ID=86306632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310396398.4A Active CN116127899B (zh) | 2023-04-14 | 2023-04-14 | 芯片设计系统、方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116127899B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579275B (zh) * | 2023-07-12 | 2023-09-12 | 北京开源芯片研究院 | 系统级芯片的设计方法、系统、电子设备及存储介质 |
CN116911393B (zh) * | 2023-09-12 | 2024-01-12 | 苏州浪潮智能科技有限公司 | 一种量子芯片设计系统、方法、电子设备和存储介质 |
CN117034848B (zh) * | 2023-10-09 | 2024-02-02 | 苏州元脑智能科技有限公司 | 芯片设计工具的构建方法和装置、存储介质及电子装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110405B (zh) * | 2019-04-24 | 2022-08-19 | 苏州浪潮智能科技有限公司 | 一种pcb布线减小耗能芯片电源压差的方法及装置 |
CN110912982A (zh) * | 2019-11-20 | 2020-03-24 | 上海戈登网络科技有限公司 | 芯片设计云计算系统及方法 |
CN113449444B (zh) * | 2021-09-02 | 2022-04-22 | 湖南高至科技有限公司 | 面向领域工程的仿真方法、计算机设备和存储介质 |
-
2023
- 2023-04-14 CN CN202310396398.4A patent/CN116127899B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116127899A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116127899B (zh) | 芯片设计系统、方法、电子设备和存储介质 | |
CN105700888B (zh) | 一种基于jbpm工作流引擎的可视化快速开发平台 | |
CN112199086B (zh) | 自动编程控制系统、方法、装置、电子设备及存储介质 | |
CN112036577B (zh) | 基于数据形式的应用机器学习的方法、装置和电子设备 | |
CN110941467A (zh) | 数据处理方法、装置及系统 | |
CN109448100A (zh) | 三维模型格式转换方法、系统、计算机设备及存储介质 | |
CN110750298B (zh) | 一种ai模型编译方法、设备及存储介质 | |
CN110249312A (zh) | 数据集成作业转换 | |
CN102929646A (zh) | 应用程序生成方法及装置 | |
CN112527676A (zh) | 模型自动化测试方法、装置及存储介质 | |
CN113806429A (zh) | 基于大数据流处理框架的画布式日志分析方法 | |
CN112463532B (zh) | 构建snn工作负载自动映射器的方法及自动映射器 | |
CN117235527A (zh) | 端到端容器化的大数据模型构建方法、装置、设备及介质 | |
JP5206268B2 (ja) | ルール作成プログラム、ルール作成方法及びルール作成装置 | |
CN111506305A (zh) | 工具包生成方法、装置、计算机设备及可读存储介质 | |
CN114862098A (zh) | 资源分配方法以及装置 | |
CN112130841B (zh) | Sql开发方法、装置及终端设备 | |
CN109284097A (zh) | 实现复杂数据分析的方法、设备、系统及存储介质 | |
CN115292194B (zh) | 流程调试的方法、电子设备及计算机可读存储介质 | |
CN117076335B (zh) | 一种模型测试方法、系统、介质及电子设备 | |
CN117827619B (zh) | 异构算力的耗时预测仿真方法、装置、设备、介质及系统 | |
CN113535594B (zh) | 业务场景测试用例的生成方法、装置、设备和存储介质 | |
CN118245238B (zh) | 异构算力设备选择方法、装置、设备、介质、产品及系统 | |
CN110895508B (zh) | 生成遍历测试路径的方法及装置 | |
CN111208980B (zh) | 一种数据分析处理方法和系统 |
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 |