JP2023536765A - 人工知能に基づく回路設計方法及び実装システム - Google Patents
人工知能に基づく回路設計方法及び実装システム Download PDFInfo
- Publication number
- JP2023536765A JP2023536765A JP2023513525A JP2023513525A JP2023536765A JP 2023536765 A JP2023536765 A JP 2023536765A JP 2023513525 A JP2023513525 A JP 2023513525A JP 2023513525 A JP2023513525 A JP 2023513525A JP 2023536765 A JP2023536765 A JP 2023536765A
- Authority
- JP
- Japan
- Prior art keywords
- circuit
- design
- sub
- training
- circuit design
- 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
- 238000013461 design Methods 0.000 title claims abstract description 304
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 116
- 238000010586 diagram Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 46
- 238000013527 convolutional neural network Methods 0.000 claims description 35
- 238000012360 testing method Methods 0.000 claims description 33
- 238000003062 neural network model Methods 0.000 claims description 30
- 238000012795 verification Methods 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims 2
- 238000004088 simulation Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 46
- 230000015654 memory Effects 0.000 description 39
- 238000004891 communication Methods 0.000 description 16
- 238000012827 research and development Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007430 reference method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
- G06F30/3308—Design verification, e.g. functional simulation or model checking using simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
- H04L45/08—Learning-based routing, e.g. using neural networks or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Architecture (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
Abstract
Description
図1に示すように、本願は回路設計のための人工知能実装方法を提供し、回路開発プラットフォームに適用され、研究開発者が保存ボタンをクリックするたびに、回路設計トポロジーマップのすべての変更記録を自動的に保存する。具体的に、保存ボタンのコードを変更し、つまり、実際にファイルを保存した後プログラムが編集、終了等の他のコードに戻る前に1行を挿入し、プログラムで保存したばかりのファイルの対応するネットリストファイルをコードリポジトリに記憶し、これにより、ファイルの歴史的なバージョンを効果的に保存することができる。回路設計のための人工知能実装方法はステップS1~ステップS6を含む。
図6に示すように、本願は回路設計のための人工知能実装システムを提供し、取得モジュール11、構築モジュール12、訓練モジュール13、出力モジュール14及び比較モジュール15を含む。
図8に示すように、本願は回路設計のための人工知能実装システムを提供し、格納モジュール11、サンプルデータベース構築モジュール12、ジェネレーター演算モジュール13、トレーナー演算モジュール14、第1入力モジュール15、生成モジュール16、第2入力モジュール17、判断モジュール18及び出力モジュール19を含む。
図13に示すように、本願は回路設計のための人工知能実装方法を提供し、ステップS1~ステップS6を含む。
本願の実施例は、上記図8、図9、図11及び図12に示される回路設計のための人工知能実装システムを有する電子機器をさらに提供する。
Claims (20)
- 回路設計のための人工知能実装方法であって、
複数のサブ回路トポロジーマップからなる履歴段階の回路設計トポロジーマップを取得するステップと、
前記回路設計トポロジーマップを訓練するための畳み込みニューラルネットワークを構築するステップと、
前記サブ回路の機能パラメータ、前記サブ回路トポロジーの各回路素子名及び各回路素子同士の接続関係を含むサンプルデータベースを構築するステップと、
前記サンプルデータベースを前記畳み込みニューラルネットワークに入力し訓練して第1特徴モデルを得るステップと、
設計中の回路トポロジーマップを前記第1特徴モデルに入力して回路特徴パラメータを得るステップと、
前記回路特徴パラメータを予想パラメータと比較し、対応する判定結果を得るステップとを含む、ことを特徴とする回路設計のための人工知能実装方法。 - サンプルデータベースを構築する前記ステップにおいて、具体的に、
前記回路設計トポロジーマップを前記複数のサブ回路トポロジーマップに分割し、前記サブ回路の機能パラメータ中の機能名に従って分類するステップと、
前記サブ回路の機能パラメータ、前記サブ回路トポロジーの各回路素子名及び各回路素子同士の接続関係を前記サンプルデータベースに格納するステップとが含まれる、ことを特徴とする請求項1に記載の回路設計のための人工知能実装方法。 - 前記サブ回路トポロジーの回路素子名及び各回路素子同士の接続関係は第1行列の形態で前記サンプルデータベースに格納され、
隣接する回路素子の間に1つのノードが設けられ、各回路素子は前記ノードに接続される接続点を含み、前記第1行列中の第i行第j列の要素Xijはノードiとノードjとの間の回路素子Aabkを表し、Aは回路素子のタイプ、aはノードiに接続される第1接続点、bはノードjに接続される第2接続点であり、kはAタイプの素子の番号を表す、ことを特徴とする請求項1に記載の回路設計のための人工知能実装方法。 - 前記機能パラメータは、回路設計の設計段階、入力電圧範囲、出力電圧範囲、出力電圧の温度ドリフト率、出力電圧の電圧ドリフト率、静的動作電流又は出力周波数をさらに含む、ことを特徴とする請求項2に記載の回路設計のための人工知能実装方法。
- 前記サンプルデータベース内のデータを収集し前記畳み込みニューラルネットワークに入力し訓練して第1特徴モデルを得るステップにおいて、具体的に、
前記サンプルデータベースに基づきサンプル集合を構築するステップと、
前記サンプル集合を訓練サンプル及びテストサンプルにランダムに分割するステップと、
前記訓練サンプル中のデータを読み取り、前記訓練サンプルを前記畳み込みニューラルネットワークにバッチで入力して、訓練操作を実行するステップと、
訓練過程で前記畳み込みニューラルネットワークのネットワークパラメータ重みを調整して、訓練後の第1ニューラルネットワークモデルを取得するステップと、
前記テストサンプルを前記第1ニューラルネットワークモデルに入力して検証操作を行い、検証結果を得るステップと、
検証された結果に基づき前記第1ニューラルネットワークモデルを最適化して、前記第1特徴モデルを取得するステップとが含まれる、ことを特徴とする請求項2に記載の回路設計のための人工知能実装方法。 - 前記テストサンプルを前記第1ニューラルネットワークモデルに入力して検証操作を行い、検証結果を得るステップにおいて、具体的に、
X個のテストサンプルを前記第1ニューラルネットワークモデルに入力し、X個の第1結果を取得するステップと、
前記X個の第1結果を前記X個のテストサンプルの機能パラメータと比較し、前記第1結果と前記テストサンプルに対応する機能パラメータとの差の絶対値が閾値よりも大きいサンプルの個数Yを統計するステップと、
サンプルの個数Yとサンプルの個数Xとの比である検証結果を計算するステップとが含まれる、ことを特徴とする請求項5に記載の回路設計のための人工知能実装方法。 - 前記回路特徴パラメータを予想パラメータと比較し、対応する判定結果を得るステップにおいて、具体的に、
前記回路特徴パラメータと前記予想パラメータとの差の絶対値がパラメータ閾値よりも小さい場合、前記設計中の回路トポロジーマップ設計が合格であると判定し、前記回路特徴パラメータと前記予想パラメータとの差の絶対値がパラメータ閾値よりも大きい場合、前記設計中の回路トポロジーマップ設計が不合格であると判定するステップが含まれる、ことを特徴とする請求項1に記載の回路設計のための人工知能実装方法。 - 前記回路設計トポロジーマップの全設計時間は1つの設計サイクルであり、前記設計サイクルは複数の連続的なサブ設計段階を含み、前記サンプルデータベースには前記サブ回路トポロジーの設計段階が格納され、
前記回路設計のための人工知能実装方法は、
サブ回路トポロジーの設計段階及び機能パラメータ中の機能名を前記畳み込みニューラルネットワークに入力し訓練して第2特徴モデルを得るステップと、
設計中の回路トポロジーマップを前記第2特徴モデルに入力してサブ回路設計段階を得るステップと、
前記サブ回路設計段階を実際の設計段階と比較し、対応する判定結果を得るステップとをさらに含む、ことを特徴とする請求項1に記載の回路設計のための人工知能実装方法。 - 前記サブ回路トポロジーの設計段階は第2行列の形態で前記サンプルデータベースに格納され、前記第2行列は前記回路設計トポロジーマップ中のサブ回路を格納するために用いられ、前記第2行列中の第m行第n列の要素Yについては、第m行はあるサブ回路の回路名に対応する番号を表し、第n列はサブ回路のサブ設計段階を表し、Yの値は0又は1であり、0は前記あるサブ回路の回路トポロジーマップと前に保存されたサブ回路トポロジーマップが同じであることを示し、1は前記あるサブ回路の回路トポロジーの機能パラメータが前に保存されたサブ回路トポロジーの機能パラメータと異なることを示す、ことを特徴とする請求項8に記載の回路設計のための人工知能実装方法。
- 回路設計のための人工知能実装システムであって、
複数のサブ回路トポロジーマップからなる履歴段階の回路設計トポロジーマップを取得する取得モジュールと、
前記回路設計トポロジーマップを訓練するための畳み込みニューラルネットワークを構築する構築モジュールと、
各タイプの前記サブ回路トポロジーマップを前記畳み込みニューラルネットワークに入力し訓練して第1特徴モデルを得る訓練モジュールと、
設計中の回路トポロジーマップを前記第1特徴モデルに入力して回路特徴パラメータを得る出力モジュールと、
前記回路特徴パラメータを予想パラメータと比較し、対応する判定結果を得る比較モジュールとを含む、ことを特徴とする回路設計のための人工知能実装システム。 - 回路設計のための人工知能実装システムであって、
履歴段階の回路設計トポロジーマップ中のサブ回路トポロジーマップを分類して格納するために用いられ、前記分類のタイプはサブ回路トポロジーマップの機能である格納モジュールと、
既に格納されたすべての回路設計図に基づいて人工知能訓練を行って回路生成モデルを得るためのジェネレーター演算モジュールと、
既に格納されたすべての回路設計図に基づき人工知能訓練を行って判断モデルを得るためのトレーナー演算モジュールと、
設計されている回路設計図及び第1目標機能パラメータを入力するための第1入力モジュールと、
前記設計されている回路設計図及び前記第1目標機能パラメータを取得し、且つ前記回路生成モデルに基づき第1目標回路設計図を得るための生成モジュールと、
前記第1目標回路設計図を出力するための出力モジュールと、
第2目標機能パラメータを入力するための第2入力モジュールと、
前記第1目標回路設計図及び前記第2目標機能パラメータを取得し、且つ前記判断モデルに基づき前記第1目標回路設計図及び前記第2目標機能パラメータを判断した後第1結果を得て、訓練命令を生成して前記生成モジュールに出力するための判断モジュールとを含み、
前記生成モジュールは前記訓練命令を取得し、且つ前記訓練命令に基づき前記回路生成モデルを再訓練する、ことを特徴とする回路設計のための人工知能実装システム。 - 既に格納されたすべての回路設計図に基づき訓練サンプルデータベースを構築し且つ前記トレーナー演算モジュールに入力するためのサンプルデータベース構築モジュールであって、前記サンプルデータベースは前記サブ回路の機能パラメータ、前記サブ回路トポロジーの各回路素子名及び各回路素子同士の電気的接続関係を含むサンプルデータベース構築モジュールをさらに含む、ことを特徴とする請求項11に記載の回路設計のための人工知能実装システム。
- 前記サンプルデータベース構築モジュールは、
前記サブ回路トポロジーを分割し、前記サブ回路の機能パラメータ中の機能名に従って分類するための分割ユニットと、
前記サブ回路の機能パラメータ、前記サブ回路トポロジーの各回路素子名及び各回路素子同士の電気的接続関係を前記サンプルデータベースに格納するための構築ユニットとを含む、ことを特徴とする請求項12に記載の回路設計のための人工知能実装システム。 - 前記サブ回路トポロジーマップの各回路素子名及び各回路素子同士の電気的接続関係は第1行列の形態で前記サンプルデータベースに格納され、
隣接する回路素子の間に1つのノードが設けられ、各回路素子は前記ノードに接続される接続点を含み、前記第1行列中の第i行第j列の要素Xijはノードiとノードjとの間の回路素子Aabkを表し、Aは回路素子のタイプ、aはノードiに接続される第1接続点、bはノードjに接続される第2接続点であり、kはAタイプの素子の番号である、ことを特徴とする請求項12に記載の回路設計のための人工知能実装システム。 - 前記サンプルデータベースは第2行列をさらに含み、前記第2行列は前記回路設計トポロジーマップ中のサブ回路を格納するために用いられ、前記第2行列中の第m行第n列の要素Yについては、第m行はあるサブ回路の回路名に対応する番号を表し、第n列はサブ回路のサブ設計段階を表し、Yの値は0又は1であり、0は前記あるサブ回路の回路トポロジーマップと前に保存されたサブ回路トポロジーマップが同じであることを示し、1は前記あるサブ回路の回路トポロジーマップの機能パラメータが前に保存されたサブ回路トポロジーマップの機能パラメータと異なることを示す、ことを特徴とする請求項12に記載の回路設計のための人工知能実装システム。
- 前記サブ回路の機能パラメータは、回路設計の設計段階、入力電圧範囲、出力電圧範囲、出力電圧の温度ドリフト率、出力電圧の電圧ドリフト率、静的動作電流又は出力周波数をさらに含む、ことを特徴とする請求項12に記載の回路設計のための人工知能実装システム。
- 前記第1目標機能パラメータと前記第2目標機能パラメータの値は同じであり、前記第1目標機能パラメータと前記第2目標機能パラメータはいずれも、入力電圧範囲、出力電圧範囲、出力電圧の温度ドリフト率、出力電圧の電圧ドリフト率、静的動作電流又は出力周波数を含む、ことを特徴とする請求項11に記載の回路設計のための人工知能実装システム。
- 前記トレーナー演算モジュールは、
前記サンプルデータベースに基づきサンプル集合を構築するためのサンプル集合構築ユニットと、
前記サンプル集合を訓練サンプル及びテストサンプルにランダムに分割するためのサンプル集合分割ユニットと、
前記訓練サンプル中のデータを読み取り、前記訓練サンプルを前記ニューラルネットワークに入力して、訓練操作を実行するための読み取りユニットと、
訓練過程で第1ニューラルネットワークのネットワークパラメータ重みを調整して、訓練後の第1ニューラルネットワークモデルを取得するための第1ニューラルネットワークモデル構築ユニットと、
前記テストサンプルを前記第1ニューラルネットワークモデルに入力して検証操作を行い、検証結果を得るための検証ユニットと、
検証された結果に基づき前記第1ニューラルネットワークモデルを最適化して、前記判断モデルを取得するための最適化ユニットとを含む、ことを特徴とする請求項12に記載の回路設計のための人工知能実装システム。 - 前記検証ユニットは、
X個のテストサンプルを第1ニューラルネットワークモデルに入力し、X個の第1結果を取得するための入力サブユニットと、
前記X個の第1結果を前記X個のテストサンプルと比較し、前記第1結果と前記テストサンプルに対応する機能パラメータとの差の絶対値が閾値よりも大きいサンプルの個数Yを統計するための統計サブユニットと、
サンプルの個数Yとサンプルの個数Xとの比である第1検証結果を計算するための計算サブユニットとを含む、ことを特徴とする請求項18に記載の回路設計のための人工知能実装システム。 - 回路設計のための人工知能実装方法であって、
複数のサブ回路トポロジーマップからなる履歴段階の回路設計トポロジーマップを格納するステップと、
既に格納されたすべての回路設計図に基づき人工知能訓練を行って回路生成モデルを得るステップと、
既に格納されたすべての回路設計図に基づき人工知能訓練を行って判断モデルを得るステップと、
設計されている回路設計図及び第1目標機能パラメータを前記回路生成モデルに入力し、第1目標回路設計図を出力するステップと、
前記判断モデルに基づき前記第1目標回路設計図及び第2目標機能パラメータを判断し第1結果を得て、且つ訓練命令を生成するステップと、
前記訓練命令を前記回路生成モデルに入力し、且つ前記訓練命令に基づき前記回路生成モデルを再訓練するステップとを含む、ことを特徴とする回路設計のための人工知能実装方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110783385.3 | 2021-07-12 | ||
CN202110781715.5 | 2021-07-12 | ||
CN202110781715.5A CN113239651B (zh) | 2021-07-12 | 2021-07-12 | 用于电路设计的人工智能实现方法及系统 |
CN202110783385.3A CN113553794B (zh) | 2021-07-12 | 2021-07-12 | 一种用于电路设计的人工智能实现系统及方法 |
PCT/CN2021/116291 WO2023284088A1 (zh) | 2021-07-12 | 2021-09-02 | 基于人工智能的电路设计方法与实现系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023536765A true JP2023536765A (ja) | 2023-08-29 |
JP7353699B2 JP7353699B2 (ja) | 2023-10-02 |
Family
ID=84918973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023513525A Active JP7353699B2 (ja) | 2021-07-12 | 2021-09-02 | 人工知能に基づく回路設計方法及び実装システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11836602B2 (ja) |
JP (1) | JP7353699B2 (ja) |
WO (1) | WO2023284088A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195818B (zh) * | 2023-11-07 | 2024-02-06 | 英诺达(成都)电子科技有限公司 | 电源设计命令生成方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000200298A (ja) * | 1998-06-09 | 2000-07-18 | Matsushita Electric Ind Co Ltd | グラフ表現変換方法及びその装置、並びに自動配置方法及びその装置 |
JP2019204490A (ja) * | 2018-05-24 | 2019-11-28 | 株式会社日立製作所 | 自動電磁干渉フィルタ設計システム、その方法およびコンピュータ可読媒体 |
WO2020117991A1 (en) * | 2018-12-04 | 2020-06-11 | Google Llc | Generating integrated circuit floorplans using neural networks |
JP2020184123A (ja) * | 2019-04-26 | 2020-11-12 | 国立大学法人群馬大学 | 回路設計装置、回路設計方法及びプログラム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201145061A (en) * | 2010-06-07 | 2011-12-16 | Hon Hai Prec Ind Co Ltd | System and method for simulating Hspice compatible equivalent circuits |
US8589855B1 (en) | 2012-05-30 | 2013-11-19 | International Business Machines Corporation | Machine-learning based datapath extraction |
GB2529170B (en) * | 2014-08-11 | 2021-06-16 | Ahmad Fawaz Khodor | Circuit design generator |
US10776691B1 (en) * | 2015-06-23 | 2020-09-15 | Uber Technologies, Inc. | System and method for optimizing indirect encodings in the learning of mappings |
US11068778B2 (en) | 2016-05-11 | 2021-07-20 | Dell Products L.P. | System and method for optimizing the design of circuit traces in a printed circuit board for high speed communications |
US10437954B1 (en) * | 2017-06-30 | 2019-10-08 | Cadence Design Systems, Inc. | System and method for recommending integrated circuit placement and routing options |
CN108595815B (zh) | 2018-04-18 | 2021-05-28 | 石家庄创天电子科技有限公司 | 人工智能体训练系统及无源电路优化设计系统及方法 |
CN110162799B (zh) | 2018-11-28 | 2023-08-04 | 腾讯科技(深圳)有限公司 | 模型训练方法、机器翻译方法以及相关装置和设备 |
WO2020185207A1 (en) * | 2019-03-11 | 2020-09-17 | Siemens Aktiengesellschaft | Computerized system and method for generative circuit design with machine-learned networks |
CN110110905A (zh) * | 2019-04-17 | 2019-08-09 | 华电国际电力股份有限公司十里泉发电厂 | 一种基于cnn的电力设备故障判断预警方法,终端及可读存储介质 |
CN110502837A (zh) | 2019-08-22 | 2019-11-26 | 山东科技大学 | 一种基于神经网络建模的太赫兹无源器件的电路优化设计方法及系统 |
US11514362B2 (en) * | 2019-10-28 | 2022-11-29 | Arm Limited | Safety-based prediction apparatus, system and method |
US10699002B1 (en) * | 2019-11-22 | 2020-06-30 | Capital One Services, Llc | Identification of database intrusion by changes in data tables |
CN113239651B (zh) * | 2021-07-12 | 2021-09-17 | 苏州贝克微电子有限公司 | 用于电路设计的人工智能实现方法及系统 |
-
2021
- 2021-09-02 WO PCT/CN2021/116291 patent/WO2023284088A1/zh unknown
- 2021-09-02 JP JP2023513525A patent/JP7353699B2/ja active Active
-
2022
- 2022-09-22 US US17/950,164 patent/US11836602B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000200298A (ja) * | 1998-06-09 | 2000-07-18 | Matsushita Electric Ind Co Ltd | グラフ表現変換方法及びその装置、並びに自動配置方法及びその装置 |
JP2019204490A (ja) * | 2018-05-24 | 2019-11-28 | 株式会社日立製作所 | 自動電磁干渉フィルタ設計システム、その方法およびコンピュータ可読媒体 |
WO2020117991A1 (en) * | 2018-12-04 | 2020-06-11 | Google Llc | Generating integrated circuit floorplans using neural networks |
JP2020184123A (ja) * | 2019-04-26 | 2020-11-12 | 国立大学法人群馬大学 | 回路設計装置、回路設計方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7353699B2 (ja) | 2023-10-02 |
US20230316049A1 (en) | 2023-10-05 |
WO2023284088A1 (zh) | 2023-01-19 |
US11836602B2 (en) | 2023-12-05 |
WO2023284088A9 (zh) | 2023-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11675940B2 (en) | Generating integrated circuit floorplans using neural networks | |
JP6971320B2 (ja) | ニューラルネットワークに基づいた回路設計の物理合成 | |
US7324363B2 (en) | SPICE optimized for arrays | |
WO2021216923A1 (en) | Generating integrated circuit placements using neural networks | |
WO2022247388A1 (zh) | 一种数字集成电路众工艺角延时预测方法 | |
US11055463B1 (en) | Systems and methods for gate array with partial common inputs | |
CN114303150A (zh) | 集成电路设计中的机器学习驱动的预测 | |
CN111553120A (zh) | 一种数字电路局部时钟网络spice网表的生成方法 | |
US10803218B1 (en) | Processor-implemented systems using neural networks for simulating high quantile behaviors in physical systems | |
JP2023536765A (ja) | 人工知能に基づく回路設計方法及び実装システム | |
US11694016B2 (en) | Fast topology bus router for interconnect planning | |
CN113239651B (zh) | 用于电路设计的人工智能实现方法及系统 | |
CN112131813B (zh) | 基于端口交换技术的用于提升布线速度的fpga布线方法 | |
CN111159967A (zh) | 一种基于网页排名算法的fpga电路布局与资源分配方法 | |
US20230334205A1 (en) | Predicting a performance metric based on features of a circuit design and explaining marginal contributions of the features to the prediction | |
CN112764987B (zh) | 芯片监控信号的自动生成方法 | |
CN115510802A (zh) | 用于预测详细布线拓扑和轨道使用的机器学习模型 | |
CN113553794B (zh) | 一种用于电路设计的人工智能实现系统及方法 | |
JPH07287051A (ja) | 論理シミュレータ用入力データ作成装置 | |
CN115204077B (zh) | 集成电路的节点优化方法、装置、电子设备及可读介质 | |
CN114021514B (zh) | 一种spice电压或温度扫描仿真筛选瓶颈单元的方法 | |
CN115293078B (zh) | 集成电路的节点改写方法、装置、电子设备及介质 | |
Chang et al. | On Predicting Solution Quality of Maze Routing Using Convolutional Neural Network | |
US20240095424A1 (en) | Alignment Cost for Integrated Circuit Placement | |
US20240078366A1 (en) | Circuit design adjustments using redundant nodes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230224 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230424 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230912 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7353699 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |