Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜华南理工大学李斌获国家专利权

恭喜华南理工大学李斌获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜华南理工大学申请的专利一种AI算法驱动的布线层参数化结构2.5-D寄生电容提取方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119227616B

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411307031.1,技术领域涉及:G06F30/367;该发明授权一种AI算法驱动的布线层参数化结构2.5-D寄生电容提取方法是由李斌;周欣亚;吴朝晖设计研发完成,并于2024-09-19向国家知识产权局提交的专利申请。

一种AI算法驱动的布线层参数化结构2.5-D寄生电容提取方法在说明书摘要公布了:本发明公开了一种AI算法驱动的布线层参数化结构2.5‑D寄生电容提取方法,涉及集成电路EDA技术,针对现有技术中求解慢等问题提出本方案。针对已知pattern类型的INPUT文件使用AIModel求解;针对未知pattern类型的INPUT文件使用BEM场求解器求解,同时自动提取该未知pattern类型的全体参数化特征,使用主成分分析法自动对全体参数化特征降维,获取该未知pattern类型的参数化结构特征向量,调用可添加工艺波动的布局模式生成器生成该未知pattern类型的训练数据,用于训练该未知pattern类型的ANN模型,将训练结果更新到所述AIModel,将该未知pattern类型转化为已知pattern类型。优点在于,可针对各采样点进行提取,自动完善AIModel库,实现未知pattern类型转化为已知pattern类型,从而逐渐加速寄生电容提取的速度。

本发明授权一种AI算法驱动的布线层参数化结构2.5-D寄生电容提取方法在权利要求书中公布了:1.一种AI算法驱动的布线层参数化结构2.5-D寄生电容提取方法,其特征在于,针对已知pattern类型的INPUT文件使用AIModel求解;针对未知pattern类型的INPUT文件使用BEM场求解器求解,同时自动提取该未知pattern类型的全体参数化特征,使用主成分分析法自动对全体参数化特征降维,获取该未知pattern类型的参数化结构特征向量,调用可添加工艺波动的布局模式生成器生成该未知pattern类型的训练数据,用于训练该未知pattern类型的ANN模型,将训练结果更新到所述AIModel,将该未知pattern类型转化为已知pattern类型;在未知pattern类型转化为已知pattern类型后,再次提取该pattern类型的寄生电容,将使用AIModel进行求解;INPUT文件首先经过多模态识别,判断该INPUT文件是已知pattern类型还是未知pattern类型;多模态信息包括主导体名称、环境导体名称、主导体与各个环境导体间的拓扑关系;针对已知pattern类型的INPUT文件,具体步骤为:提取pattern类型对应的参数化结构特征向量,通过pattern类型的参数化结构特征向量进行描述,从AIModel库中调用对应的ANN模型,将参数化结构特征向量作为输入进行AIModel求解,获得所需提取的寄生电容;针对未知pattern类型的INPUT文件,将该未知pattern类型通过以下步骤转化为已知pattern类型:首先对该未知pattern类型的全体参数化特征进行提取,全体参数化特征的信息集合称为该未知pattern类型的全体参数化特征;使用主成分分析法,在主成分占比大于99%的前提下,减少全体参数化特征中的信息量,剩余的信息即为该未知pattern类型的参数化结构特征向量;将该未知pattern类型的参数化结构特征向量及特征向量各个维度的合法变化范围送入可添加工艺波动的布局模式生成器中,生成该未知pattern类型的合法的INPUT文件,并提取这些INPUT文件的参数化结构特征,作为ANN模型训练的输入;将包含工艺波动的INPUT文件送入BEM场求解器,获取对应INPUT文件的输出,作为ANN模型训练的输出;将获得的训练输入与输出合并,称为该未知pattern类型的训练集;使用TensorFlow架构,构建ANN模型,用于训练该未知pattern类型的AIModel;使用自定义的损失函数:其中yi,pre是第i个寄生电容的预测值;yi,true是第i个寄生电容的真实值;将该未知pattern类型的训练集以7:3的比例划分为训练集与验证集进行该未知pattern类型的ANN模型训练;当训练集loss与验证集loss均小于0.01时停止训练,此时输出该未知pattern类型训练后的ANN模型,并对该未知pattern类型进行命名,将训练后的ANN模型扩充至AIModel库中,完成将该未知pattern类型转化为已知pattern类型的过程。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华南理工大学,其通讯地址为:510641 广东省广州市天河区五山路381号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。