一种基于深度学习的早期众工艺角时序预测方法、电子设备及存储介质

本发明公开了一种基于深度学习的早期众工艺角时序预测方法、电子设备及存储介质，为了捕捉路径中单元间的相互作用关系，本发明的早期时序预测流程基于双向长短期记忆网络搭建，将路径中每一级单元的时序和物理信息表示为一个序列，并通过BLSTM传递和表征序列中的信息以学习路径中单元之间的相互影响，从而对布局后的路径延时进行准确的预测。在此基础上，本发明利用多层感知机网络学习路径全局特征对布局后路径时序的影响，提升预测精度的同时将早期时序预测框架适应到了众工艺角的场景中。基于该预测结果,本发明减少设计的迭代，降低芯片设计的时间成本。