基于多尺度特征注意和Transformer的FPGA拥塞预测方法

本发明公开了一种基于多尺度特征注意和Transformer的FPGA拥塞预测方法，属于集成电路电子设计自动化技术领域。该方法包括以下步骤：预处理FPGA电路布局和网表信息，构建基于网格的二维布局特征；利用卷积神经网络(CNN)提取多尺度布局特征，并通过空间注意力模块(PAM)和通道注意力模块(CAM)增强空间与通道特征；引入Vision Transformer动态捕捉全局特征；通过级联解码结构结合上采样层和多尺度特征注意力块(MFA)恢复特征，生成预测拥塞图。本发明通过多尺度特征融合与注意力机制的结合，解决了现有方法在全局特征提取和拥塞图恢复精度上的不足，显著提升了FPGA布局中拥塞预测的准确性和鲁棒性，可有效优化布线可行性。