基于机器学习的芯片布局前静态时序分析方法及装置

本发明提出一种基于机器学习的芯片布局前静态时序分析方法和装置。利用机器学习获得更精确的局部延迟，从而提高布局前静态时序分析的精确性。为了解决线长信息缺失的挑战，本发明提出了首个引脚级线长预测器，使用分布式梯度增强库估计引脚之间的曼哈顿距离作为引脚级导线长度的近似值。为了解决单元类型可变的挑战，本发明设计了一种动态增量延迟预测方案，该方法使用Synopsys IC Compiler在布局前计算的局部延迟作为输入特征来预测其增量。此外，由于减少了计算负荷，基于机器学习算法的预测方法比当前电子设计自动化工具中的确定性算法运行速度更快。