System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實現(xiàn)步驟摘要】
本說明書涉及電子設(shè)計自動化領(lǐng)域,更具體地說,本申請涉及一種finfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法及相關(guān)設(shè)備。
技術(shù)介紹
1、隨著集成電路設(shè)計進(jìn)入到finfet(fin?field-effect?transistor,鰭式場效應(yīng)晶體管)工藝節(jié)點,晶體管的三維結(jié)構(gòu)和復(fù)雜性增加,使得成熟工藝的放置算法在處理海量drc(design?rule?check,設(shè)計規(guī)則檢查)規(guī)則、可變3d線軌網(wǎng)格、m3金屬層次以下的布線資源分配、三維布線擁塞以及drc合規(guī)性方面面臨巨大挑戰(zhàn)。
2、相關(guān)技術(shù)中通常采用模擬退火等方法進(jìn)行放置優(yōu)化,無論如何設(shè)置目標(biāo)函數(shù),將hpwl(half?perimeter?wire?length,半周長線長)、布線擁塞、管腳密度等參數(shù)均提前作為啟發(fā)式信息,自后向前對放置優(yōu)化方法施加引導(dǎo),算法本身的局限性導(dǎo)致經(jīng)常性地陷入放置局部最優(yōu)解,最終難以得到較好的布線結(jié)果,尤其是在探索芯片設(shè)計面積最小、功耗最低、主頻最高的多目標(biāo)時,一旦陷入局部最優(yōu),無法獲得最優(yōu)化的最終結(jié)果,導(dǎo)致布線結(jié)果生成的gds(graphic?database?system?file,圖形數(shù)據(jù)庫系統(tǒng)文件)不可制造,或者無成本優(yōu)勢,對芯片設(shè)計帶來無法挽回的損失。
3、因此,有必要提出一種finfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法和相關(guān)設(shè)備裝置,以至少解決上述部分問題。
技術(shù)實現(xiàn)思路
1、在
技術(shù)實現(xiàn)思路
部分中引入了一系列簡化形式的概念,這將在具體實施方式部分中進(jìn)一步詳細(xì)說明。本申請的
技術(shù)實現(xiàn)思路
部分并不
2、第一方面,本申請?zhí)岢鲆环Nfinfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,包括:
3、根據(jù)標(biāo)準(zhǔn)單元初始布局信息、設(shè)計單元信息、物理約束信息和多目標(biāo)要求構(gòu)建布局優(yōu)化初始模型,其中,上述布局優(yōu)化初始模型包括決策變量、目標(biāo)函數(shù)和約束條件;
4、將上述布局優(yōu)化初始模型進(jìn)行模型映射優(yōu)化操作,以獲取多個決策變量子問題和子問題的約束條件;
5、根據(jù)每個上述決策變量子問題進(jìn)行量子映射,以獲取每個上述決策變量子問題對應(yīng)的等效哈密爾頓量;
6、根據(jù)所有的決策變量子問題及其對應(yīng)的等效哈密爾頓量通過量子近似優(yōu)化算法,降低每個上述決策變量子問題對應(yīng)的期望能量,并獲取每個上述決策變量子問題的二進(jìn)制變量解;
7、將上述二進(jìn)制變量解映射到標(biāo)準(zhǔn)單元的布局信息中,以獲取標(biāo)準(zhǔn)單元優(yōu)化布局信息。
8、在一種可行的實施方式中,上述決策變量為第i個標(biāo)準(zhǔn)單元的是否放在位置j;和/或,
9、上述目標(biāo)函數(shù)是基于半周長線長子問題、布線drc預(yù)估值子函數(shù)和擁塞子函數(shù);和/或,
10、上述約束條件包括放置位置限制條件和物理限制條件,上述放置位置限制條件包括每個標(biāo)準(zhǔn)單元的放置位置唯一、每個位置只放置一個標(biāo)準(zhǔn)單元和固定標(biāo)準(zhǔn)單元位置固定,上述物理限制包括每個標(biāo)準(zhǔn)單元均放置在布線網(wǎng)格軌道和標(biāo)準(zhǔn)單元在設(shè)計區(qū)域內(nèi)。
11、在一種可行的實施方式中,上述將上述布局優(yōu)化初始模型進(jìn)行模型映射優(yōu)化操作,以獲取多個決策變量子問題和子問題的約束條件,包括:
12、通過分布式二次無約束二進(jìn)制優(yōu)化算法將上述布局優(yōu)化初始模型的大規(guī)模問題,拆分為多個小規(guī)模的決策變量子問題;
13、根據(jù)上述目標(biāo)函數(shù)通過拉格朗日乘子法,加入上述決策變量子問題,并將其轉(zhuǎn)化為懲罰項;
14、根據(jù)上述懲罰項的懲罰系數(shù),獲取上述子問題的約束條件。
15、在一種可行的實施方式中,上述根據(jù)每個上述決策變量子問題進(jìn)行量子映射,以獲取每個上述決策變量子問題對應(yīng)的等效哈密爾頓量,包括
16、為每個上述決策變量子問題分配量子比特,以獲取每個上述決策變量子問題的獨(dú)立映射;
17、將上述決策變量子問題的二次無約束二進(jìn)制優(yōu)化矩陣q中進(jìn)行決策變量子問題耦合系數(shù)定義,其中,上述耦合系數(shù)用于拼接上述決策變量子問題的獨(dú)立映射,上述耦合系數(shù)還用于表征決策變量子問題的目標(biāo)函數(shù)和約束條件;
18、將上述決策變量子問題對應(yīng)的二次無約束二進(jìn)制問題等效為伊辛模型,并獲取每個上述決策變量子問題對應(yīng)的等效哈密爾頓量。
19、在一種可行的實施方式中,上述根據(jù)所有的決策變量子問題及其對應(yīng)的等效哈密爾頓量通過量子近似優(yōu)化算法,降低每個上述決策變量子問題對應(yīng)的期望能量,并獲取每個上述決策變量子問題的二進(jìn)制變量解,包括:
20、采用分布式并行方式為每個上述決策變量子問題設(shè)置獨(dú)立的初始態(tài)變量,以獲取多個初始量子態(tài);
21、對每個上述初始量子態(tài)在問題層對上述等效哈密爾頓量施加演化符,在混合層對上述等效哈密爾頓量施加泡利矩陣算符,并通過多個上述問題層和多個上述混合層迭代計算,以獲取演化后量子態(tài);
22、對上述演化后量子態(tài)進(jìn)行測量,以獲取測量結(jié)果;
23、對上述測量結(jié)果和等效哈密爾頓量計算期望能量;
24、對上述期望能量采用目標(biāo)優(yōu)化器進(jìn)行參數(shù)調(diào)優(yōu),以降低每個上述決策變量子問題對應(yīng)的期望能量,并獲取每個上述決策變量子問題的二進(jìn)制變量解。
25、在一種可行的實施方式中,還包括:
26、獲取通過量子近似優(yōu)化算法,降低每個上述決策變量子問題對應(yīng)的期望能量過程中的工作負(fù)載信息,
27、在上述工作負(fù)載信息超出預(yù)設(shè)閾值的情況下,調(diào)用遠(yuǎn)程平臺進(jìn)行加速求解,并將求解后的結(jié)果發(fā)送至本地端,以供本地端基于上述求解結(jié)果繼續(xù)執(zhí)行優(yōu)化操作。
28、在一種可行的實施方式中,還包括:
29、對所有的二進(jìn)制變量解進(jìn)行性能評估;
30、在上述性能評估結(jié)果不滿足預(yù)設(shè)要求的情況下,對上述目標(biāo)函數(shù)對應(yīng)的權(quán)重系數(shù)和/或上述量子近似優(yōu)化算法的迭代深度進(jìn)行調(diào)整;
31、基于調(diào)整后的目標(biāo)函數(shù)和/或調(diào)整后的量子近似優(yōu)化算法重復(fù)求解上述二進(jìn)制變量解,以使上述二進(jìn)制變量解的評估結(jié)果滿足上述預(yù)設(shè)要求或重復(fù)求解次數(shù)達(dá)到預(yù)設(shè)次數(shù)。
32、第二方面、本申請?zhí)岢鲆环Nfinfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化裝置,包括:
33、構(gòu)建單元,用于根據(jù)標(biāo)準(zhǔn)單元初始布局信息、設(shè)計單元信息、物理約束信息和多目標(biāo)要求構(gòu)建布局優(yōu)化初始模型,其中,上述布局優(yōu)化初始模型包括決策變量、目標(biāo)函數(shù)和約束條件;
34、第一獲取單元,用于將上述布局優(yōu)化初始模型進(jìn)行模型映射優(yōu)化操作,以獲取多個決策變量子問題和子問題的約束條件;
35、第二獲取單元,用于根據(jù)每個上述決策變量子問題進(jìn)行量子映射,以獲取每個上述決策變量子問題對應(yīng)的等效哈密爾頓量;
36、第三獲取單元,用于根據(jù)所有的決策變量子問題及其對應(yīng)的等效哈密爾頓量通過量子近似優(yōu)化算法,降低每個上述決策變量子問題對應(yīng)的期望能量,并獲取每個上述決策變量子問題的二進(jìn)制變量解;
37、第四獲取單元,用于將上述二進(jìn)制變量解映射到標(biāo)準(zhǔn)單元的布局信息中本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,所述決策變量為第i個標(biāo)準(zhǔn)單元是否放在位置j;和/或,
3.根據(jù)權(quán)利要求1所述的FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,所述將所述布局優(yōu)化初始模型進(jìn)行模型映射優(yōu)化操作,以獲取多個決策變量子問題和子問題的約束條件,包括:
4.根據(jù)權(quán)利要求1所述的FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,所述根據(jù)每個所述決策變量子問題進(jìn)行量子映射,以獲取每個所述決策變量子問題對應(yīng)的等效哈密爾頓量,包括
5.根據(jù)權(quán)利要求1所述的FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,所述根據(jù)所有的決策變量子問題及其對應(yīng)的等效哈密爾頓量通過量子近似優(yōu)化算法,降低每個所述決策變量子問題對應(yīng)的期望能量,并獲取每個所述決策變量子問題的二進(jìn)制變量解,包括:
6.根據(jù)權(quán)利要求5所述的FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,還包括:
7.根據(jù)權(quán)利要求1-6任一項所述的FinF
8.一種FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化裝置,其特征在于,包括:
9.一種電子設(shè)備,包括:存儲器和處理器,其特征在于,所述處理器用于執(zhí)行存儲器中存儲的計算機(jī)程序時實現(xiàn)如權(quán)利要求1-7中任一項所述的FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法的步驟。
10.一種計算機(jī)可讀存儲介質(zhì),其上存儲有計算機(jī)程序,其特征在于,所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7中任一項所述的FinFET工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法的步驟。
...【技術(shù)特征摘要】
1.一種finfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的finfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,所述決策變量為第i個標(biāo)準(zhǔn)單元是否放在位置j;和/或,
3.根據(jù)權(quán)利要求1所述的finfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,所述將所述布局優(yōu)化初始模型進(jìn)行模型映射優(yōu)化操作,以獲取多個決策變量子問題和子問題的約束條件,包括:
4.根據(jù)權(quán)利要求1所述的finfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,所述根據(jù)每個所述決策變量子問題進(jìn)行量子映射,以獲取每個所述決策變量子問題對應(yīng)的等效哈密爾頓量,包括
5.根據(jù)權(quán)利要求1所述的finfet工藝的標(biāo)準(zhǔn)單元布局優(yōu)化方法,其特征在于,所述根據(jù)所有的決策變量子問題及其對應(yīng)的等效哈密爾頓量通過量子近似優(yōu)化算法,降低...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:劉丹,
申請(專利權(quán))人:北京湯谷軟件技術(shù)有限公司,
類型:發(fā)明
國別省市:
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。