设计参数调整方法、装置、电子设备和存储介质转让专利
申请号 : CN202210968859.6
文献号 : CN115048886B
文献日 : 2022-11-01
发明人 : 石弼钊 , 李思成 , 魏学超 , 唐辉艳 , 蔡泽鉴 , 陈彦光 , 陆彦珩
申请人 : 阿里巴巴(中国)有限公司
摘要 :
权利要求 :
1.一种设计参数调整方法,由电子设计自动化系统执行,应用于电子电路设计流程与物理设计流程之间的逻辑综合流程,所述方法包括:获取属于设计参数空间中的历史设计参数,所述设计参数空间为高维且离散的设计参数空间,所述设计参数 空间中的各个参数维度至少包括电子电路的各个元器件的电气参数和尺寸参数;
调用参数拟合模型的多种采集函数,基于所述历史设计参数预测当前设计参数,使得所述多种采集函数达到综合优化目标;
确定所述当前设计参数关于所述设计参数空间的多个参数维度的方差;
确定所述多个参数维度与所述方差的变动相关度;
基于所述多个参数维度各自的变动相关度,确定不同参数维度之间的相关度,作为参数维度相关度;
确定所述多个参数维度各自的拟合权重,作为所述参数拟合模型的拟合条件;
保留所述多个参数维度中的参数维度相关性大的部分参数维度的拟合权重;
基于所述当前设计参数更新历史设计参数,继续预测当前设计参数。
2.根据权利要求1所述的方法,其中,所述调用参数拟合模型的多种采集函数,基于所述历史设计参数预测当前设计参数,使得所述多种采集函数达到综合优化目标,包括:分别调用参数拟合模型的多种采集函数,基于所述历史设计参数预测多种采集函数各自的设计参数,使得所述多种采集函数达到各自的优化目标小于综合优化目标;
对所述多种采集函数各自的设计参数进行加权,得到当前设计参数。
3.根据权利要求1所述的方法,其中,所述调用参数拟合模型的多种采集函数,基于所述历史设计参数预测当前设计参数,使得所述多种采集函数达到综合优化目标,包括:从采集函数集合中选择与综合优化目标匹配的多种采集函数;
调用所述多种采集函数,基于所述历史设计参数预测当前设计参数。
4.根据权利要求3所述的方法,其中,所述从采集函数集合中选择与综合优化目标匹配的多种采集函数,包括:确定所述采集函数集合中匹配综合优化目标的多种采集函数组合;
将采集函数种类最多的采集函数组合中的各个采集函数确定为所述多种采集函数。
5.根据权利要求1所述的方法,其中,所述参数拟合模型基于随机森林拟合模型构建。
6.一种设计参数调整装置,由电子设计自动化系统执行,应用于电子电路设计流程与物理设计流程之间的逻辑综合流程,所述装置包括:获取模块,获取属于设计参数空间中的历史设计参数,所述设计参数空间为高维且离散的设计参数空间,所述参数设计空间中的各个参数维度至少包括电子电路的各个元器件的电气参数和尺寸参数;
预测模块,调用参数拟合模型的多种采集函数,基于所述历史设计参数预测当前设计参数,使得所述多种采集函数达到综合优化目标;
分析模块,确定所述当前设计参数关于所述设计参数空间的多个参数维度的方差,确定所述多个参数维度与所述方差的变动相关度,并且基于所述多个参数维度各自的变动相关度,确定不同参数维度之间的相关度,作为参数维度相关度;
优化模块,确定所述多个参数维度各自的拟合权重,作为所述参数拟合模型的拟合条件,保留所述多个参数维度中的参数维度相关性大的部分参数维度的拟合权重,基于所述当前设计参数更新历史设计参数,继续预测当前设计参数。
7.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1‑5中任一项所述的方法对应的操作。
8.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1‑5中任一项所述的方法。
说明书 :
设计参数调整方法、装置、电子设备和存储介质
技术领域
背景技术
的非确定性问题。
发明内容
数预测当前设计参数,使得所述多种采集函数达到综合优化目标;基于所述当前设计参数,
分析所述设计参数空间的参数维度相关度;基于所述参数维度相关度,优化所述参数拟合
模型的拟合条件。
度的方差;确定所述多个参数维度与所述方差的变动相关度;基于所述多个参数维度各自
的变动相关度,确定不同参数维度之间的相关度,作为参数维度相关度。
拟合条件;基于所述参数维度相关度,调整所述多个参数维度各自的拟合权重。
用参数拟合模型的多种采集函数,基于所述历史设计参数预测多种采集函数各自的设计参
数,使得所述多种采集函数达到各自的优化目标小于综合优化目标;对所述多种采集函数
各自的设计参数进行加权,得到当前设计参数。
函数集合中选择与综合优化目标匹配的多种采集函数;调用所述多种采集函数,基于所述
历史设计参数预测当前设计参数。
采集函数种类最多的采集函数组合中的各个采集函数确定为所述多种采集函数。
基于所述历史设计参数预测当前设计参数,使得所述多种采集函数达到综合优化目标;分
析模块,基于所述当前设计参数,分析所述设计参数空间的参数维度相关度;优化模块,基
于所述参数维度相关度,优化所述参数拟合模型的拟合条件。
的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如第
一方面所述的方法对应的操作。
且准确地使历史设计参数满足预设参数评估条件,从而提高了设计参数调整效率。
附图说明
发明实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获
得其他的附图。
具体实施方式
施例仅是本发明实施例一部分实施例,而不是全部的实施例。基于本发明实施例中的实施
例,本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
计流程操作也可以与作为设计流程和设计流程的一部分来描述的任何集成基本电路操作。
如图1A所示,总体设计流程100包括设计阶段110、器件制造阶段120、设计验证阶段130、以
及器件验证阶段140。设计阶段110包括初始设计输入操作101,其确定了器件的基本元件和
功能,以及基于电路设计的各种分析和优化的修订,在设计输入操作101中,在进行调整以
确保满足电路的功能要求之前生成电路的初始布局,在设计输入操作101中,取决于要使用
的特定设计算法,还生成用于要创建的器件的初始策略、策略和上下文。
电路设计的更新。如下所述,电路设计的设计约束可以在设计输入操作中由设计输入101发
起,然后可以根据各种示例使用定时分析来分析。同时,设计流程100示出了在布局实例112
之前发生的优化,可以在任何时间执行对电路设计的更新,以改善电路设计的预期操作。
输入匹配的所述器件的物理布局尺寸。然后,该布局可用于器件制造操作122中生成器件,
或者可以使用设计者输入或基于设计仿真132或者提取、三维(3D)建模和分析144操作来执
行其他测试和设计更新132。一旦生成器件,就可以基于实际器件性能来测试该器件作为器
件测试142操作和布局改进的一部分。
合结果,再将逻辑综合结果输入到物理设计13进一步执行物理设计,得到了作为设计布局
实例的设计布局112,应理解,可以采用制造设备制造布局设计112中的集成电路。
足预定响应延迟的最小芯片面积。给定电路的逻辑优化的目标是获得与原始电路相同的最
小逻辑电路。具有相同功能的更小电路更便宜,占用更少的空间,消耗更少的功率,具有更
短的延迟,并将意外串扰的风险、延迟信号处理的风险以及其他纳米级存在的问题降至最
低集成电路上的金属结构。
网表、延时信息(sdf)、工作约束(sdc)等信息。应理解,ddc文件不能用文本编辑器打开。Ddc是包含的网表文件,v格式网表是用于生成后仿真的文件。
数,随着集成电路的复杂度越来越高,设计参数空间中的设计参数组合数目较大,执行效率
逐渐成为制约逻辑综合执行效率甚至电路设计效率的关键因素。
在诸如图1的优化操作111中执行,执行本实施例的方案的电子设备可以包括但不限于:服
务器、桌面电脑等。
前设计参数是各个设计参数维度的当前数值构成的组合,在设计参数维度较多且相应地数
值范围较大时,设计逻辑综合中所需要执行的设计参数的数量十分庞大,在设计逻辑综合
中,寻找到较优的设计参数的过程可以被称为流程参数调整FPT(Flow Parameter
Tuning)。
(Probability of Improvement)函数等。
模型等。
值随着相应地变动较大(变动程度可以由参数值变大或变小的绝对值表征),则两个参数维
度相关度较大。反之,如果一参数维度的参数值变动较大,另一参数维度参数值相应地变动
较小或不变动,则两个参数维度相关度较小。
销、计算资源的占用程度。
化,提高了参数拟合模型的泛化能力,避免了参数拟合模型中的过拟合。
且准确地使历史设计参数满足预设参数评估条件,从而提高了设计参数调整效率。
当前设计参数输入到并行逻辑综合器323中执行逻辑综合流程,完成逻辑综合流程的当前
设计参数称为历史设计参数。
的综合优化目标可以是多个采集函数各自的优化目标的加权结果。然后,通过多个采集函
数的综合优化目标预测了当前设计参数,使得综合优化目标的值最大。
参数进行分析,也可以对当前设计参数以及历史设计参数进行分析。这里的当前设计参数
可以是当前设计参数之前的全部先前设计参数,即,从初始采样器310确定的设计参数到当
前设计参数之间所有的设计参数。方差分析器331在执行方差分析时,确定当前设计参数基
于设计参数空间的多个参数维度的方差,也就是说,多个参数维度各自的维度值形成的统
计方差。
分析结果,分析多个参数维度的重要性,例如,可以通过去除一参数维度,计算方差的变动。
如果方差的变动较大,则表面该参数维度的维度值相比于其他参数维度的纬度值离散程度
较高,该参数维度的重要性较高,变动相关度较高。相应的,如果方差的变动较小,则该参数
维度的重要性较低,变动相关度较低。
维度所引起的方差变动的方向(数值变大或数值变小)相同,并且方差变动比例在预设阈值
内(例如,10%内),则认为多个参数维度之间的相关性较高。在这种情况下,重要性较低的各个参数维度之间也可能具有较强的相关性,换言之,变动相关性均较低的参数维度之间的
参数维度相关度较大,但是,由于这样的参数维度的重要性较低,其对相关系分析结果的影
响较小。此外,重要性较高和重要性较低的参数位置之间的相关性往往会比较小。
自的拟合权重。更具体地,可以优化参数拟合模型321的拟合条件,例如,可以保留参数维度
相关性较大的多个参数维度中的部分参数维度,在降维的同时,提高了参数拟合模型的泛
化能力。可替代地,对历史设计参数中的各个参数维度进行加权处理,作为参数拟合模型的
优化约束条件。也就是说,参数拟合模型的拟合条件是基于多个历史设计参数(分别对应于
多个参数维度)之间的最大似然概率分布,估计参数拟合模型的代理函数。在一个示例中,
代理函数可以是基于参数拟合模型321的代理函数。在这种情况下,基于加权后的各个参数
维度,调整多个历史设计参数的最大似然概率的概率分布,例如,在调整后的概率分布中,
多个历史设计参数的概率密度基于对应的权重被加权处理,再进行归一化。
使得多种采集函数达到各自的优化目标小于综合优化目标,然后,对多种采集函数各自的
设计参数进行加权,得到当前设计参数。具体地,多种采集函数可以是概率改进
(Probability of Improvement,PI)、期望改进(Expected Improvement,EI)和置信度上限(Upper Confidence Bound,UCB)等。PI、EI和UCB都是参数拟合模型321的代理函数的方差
和期望的函数,多种采集函数达到各自的优化目标小于综合优化目标,表明得到了期望和
函数之间的最佳函数关系。因此,多个采集函数相比于单一采集函数,有利于提高预测可靠
性。
优化目标时,获取到了较佳的各自的设计参数,对这些设计参数进行加权,能够得到更准确
的当前设计参数。
计参数预测当前设计参数,这样提高了采集函数组合的可能性和丰富性,能得到最佳的采
集函数组合,进一步提高了预测可靠性。
合优化目标确定了最佳的采集函数组合,提高了采集函数组合中的多个采集函数的预测准
确度。
集函数组合,例如,采集函数A、B、C构成的组合,采集函数A、B和C构成的组合,采集函数A、B、C和D构成的组合。换言之,上述的各个组合的综合优化目标均大于组合中的每个采集函数
的优化目标。然后,确定采集函数的数目最多的组合,将这个组合中的各个采集函数确定为
多个采集函数,即,采集函数A、B、C和D。
差和期望的函数。PI是用于衡量计算出所有设计参数比当前最优设计参数更大的概率有多
大,以选择最大的PI值对应的设计参数组合。EI相比于PI而言,其考虑比最优设计参数更大
的设计参数的期望。UCB的函数是代理函数的方差和期望的加权。
晶体管的反向截止电压、算数逻辑单元(Arithmetic Logic Unit,ALU)的设计功率和设计
面积、高级加密标准(Advanced Encryption Standard,AES)电路的设计功率和设计面积。
设计参数的一部分。应理解,历史设计参数、当前设计参数、下一设计参数之间至少部分参
数维度的参数值不同。
望和方差会不同,例如,在考虑两个参数维度的相关度的情况下,期望会较小,方差会较大,
而在不考虑两个参数维度的相关度的情况下,期望会较大,方差会较小。
估计代理函数。这时,如果在ALU的设计功率和设计面积的两个参数维度的相关度比较大
时,历史设计参数的各个离散参数值之间的最大似然概率分布会发生变化,从而预测的当
前设计参数的值会不同。例如,历史设计参数为[An‑1;Bn‑1;Cn‑1;Dn‑1;En‑1;Fn‑1;Gn‑1;Hn‑1;In‑1;
Jn‑1;Kn‑1],且当前设计参数为[An;Bn;Cn;Dn;En;Fn;Gn;Hn;In;Jn;Kn],ALU的设计功率和设计面积对应于Bn‑1和Cn‑1。
设计功率和设计面积的参数值会更加准确,或者,当前设计参数全局的各个参数值均会更
加准确。在当前设计参数更加准确时,进一步预测的下一设计参数也会更加准确,从而采用
更少的预测次数得到了预期效果。应理解,步骤S31对应于步骤S220。
前设计参数。例如,设计参数空间的各个参数维度是[A;B;C;D;E;F;G;H;I;J;K],相应地,在历史设计参数被更新之后,历史设计参数为[An‑1;Bn‑1;Cn‑1;Dn‑1;En‑1;Fn‑1;Gn‑1;Hn‑1;In‑1;
Jn‑1;Kn‑1],且当前设计参数为[An;Bn;Cn;Dn;En;Fn;Gn;Hn;In;Jn;Kn]。应理解,步骤S32对应于步骤S230。
布。同样地,与不考虑ALU的设计功率以及设计面积之间的维度相关度的情况相比,所得到
的最大似然概率分布会不同,在考虑了上述相关度的情况下,所预测的当前设计参数更加
准确。应理解,步骤S33对应于步骤S240。
且准确地使历史设计参数满足预设参数评估条件,从而提高了设计参数调整效率。
多个参数维度各自的变动相关度,确定不同参数维度之间的相关度,作为参数维度相关度。
的拟合权重。
的优化目标小于综合优化目标;对所述多种采集函数各自的设计参数进行加权,得到当前
设计参数。
述多种采集函数。
照前述方法实施例中的相应部分的描述,在此亦不再赘述。
508。
备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同
类型的处理器,如一个或多个CPU以及一个或多个ASIC。
上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在
此不再赘述。
骤,以实现本发明实施例的目的。
中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编
程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理
器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,
RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现
在此描述的方法。此外,当通用计算机访问用于实现在此示出的方法的代码时,代码的执行
将通用计算机转换为用于执行在此示出的方法的专用计算机。
以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员
可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出
本发明实施例的范围。
变化和变型,因此所有等同的技术方案也属于本发明实施例的范畴,本发明实施例的专利
保护范围应由权利要求限定。