摘要
本发明的目的是提供一种基于图神经网络预测布线时序和线长的方法与系统,该方法包括:将电路转换为异构图;将所述异构图输入多任务图神经网络;所述多任务图神经网络输出布线时序和线长。本发明通过采用多任务学习的方法同时学习芯片多个关联的指标即线长、线延迟和单元延迟,在单任务目标预测性能保存不变或更好的情况下,考虑到这些指标之间的相互依赖性,进行更准确的预测和更好的电路设计优化策略。
技术关键词
多任务
线网
汇聚节点
布线
时序
异构
训练参数集
源节点
电路设计优化
节点特征
数据转换模块
随机梯度下降
布局特征
数据传输模块
神经网络模型
数据处理模块
矩阵
分支
系统为您推荐了相关专利信息
光网络终端
光网络单元
光线路终端
组网方法
无线网络参数
关键特征值
故障预测方法
多任务学习模型
列表
程度计算方法
电缆布线路径
电网系统
生长算法
生成电缆
源节点
分辨率遥感图像
全卷积神经网络
林区
变化检测方法
变化检测模型
数模转换器单元
数模转换方法
阵列
时序控制信号
芯片