基于异质EDA数据的多任务学习QoR预测方法、装置

本发明的目的在于提供一种基于异质EDA数据的多任务学习QoR预测方法、装置，包括：数据预处理，得到EDA流程中的非IID数据在不同设计阶段的特征数据；构建多任务学习模型，并对所述多任务学习模型通过训练优化拥塞预测和DRC违例预测任务的损失函数，调整模型参数，得到训练后的多任务学习模型；利用所述训练后的多任务学习模型生成预测结果，优化EDA流程中的布局和布线设计；本方法通过多任务学习框架整合不同任务之间的信息共享，充分利用任务间的关联性，有效缓解了因数据非独立同分布(Non‑IID)特性引发的负迁移现象，从而提高模型的泛化能力和鲁棒性。