科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对布局布线工具和时序签核工具的时序分析差异，导致的迭代次数多、时序收敛困难的问题，提出一种基于机器学习的快速时序校准方法。首先，基于55 nm工艺，利用开源设计收集数据样本；然后，分别采用Lasso线性回归、BP神经网络、随机森林算法完成寄生参数预测模型的训练、测试及对比；最后，通过实验验证该方法的时序校准效果。实验结果表明，该方法可减少布局布线工具和时序签核工具间的时序分析差异。
- 单位
针对布局布线工具和时序签核工具的时序分析差异，导致的迭代次数多、时序收敛困难的问题，提出一种基于机器学习的快速时序校准方法。首先，基于55 nm工艺，利用开源设计收集数据样本；然后，分别采用Lasso线性回归、BP神经网络、随机森林算法完成寄生参数预测模型的训练、测试及对比；最后，通过实验验证该方法的时序校准效果。实验结果表明，该方法可减少布局布线工具和时序签核工具间的时序分析差异。
