[发明专利]利用神经网络的电路设计方法，装置以及相关设备

说明书

本申请实施例公开了一种利用神经网络的电路设计方法，可以应用电路领域。该方法包括：获取目标神经网络，目标神经网络包括M个子网络。每个子网络包括一个输出节点、与输出节点连接的输入节点、以及输出节点和输入节点之间的权重集合，权重集合包括一个或多个权重。根据M个子网络得到M个子电路。具体地，每个子电路的类型是根据每个子网络中的权重集合确定的，M个子电路和M个子网络一一对应，M个子电路用于连接得到逻辑电路。本申请通过在训练过程中设定误差，可以得到精准逻辑电路或近似逻辑电路，增加了获取逻辑电路的灵活性。

技术领域

本申请涉及电路领域，尤其涉及利用神经网络的电路设计方法，装置以及相关设备。

背景技术

电路设计需要对逻辑关系进行简化。在早期的电路设计中，可以通过卡诺图对真值表进行处理，得到简化的逻辑关系。具体的简化方式是合并卡诺图中的相邻最小项。

然而，随着变量的增加，可以合并的最小项将不会出现在卡诺图中的相邻位置，从而增加了电路设计的难度。并且，图形表示的卡诺图不利于算法的导出。因此，可以采用奎因－麦克拉斯基算法帮助进行电路设计。奎因－麦克拉斯基算法是最小化布尔函数的一种方法。它在功能上等同于卡诺图，但是它具有文字表格的形式，因此它更适合用于电子设计自动化算法的实现。

在实际应用中，奎因－麦克拉斯算法或卡诺图只能实现精准逻辑电路。

发明内容

本申请提供了一种利用神经网络的电路设计方法，通过设定训练过程中的误差，可以得到精准逻辑电路或近似逻辑电路。因此，增加了获取逻辑电路的灵活性。

本申请第一方面提供了一种利用神经网络的电路设计方法。该方法包括：首先，获取目标神经网络，目标神经网络包括M个子网络，M为大于0的整数。每个子网络包括一个输出节点、与输出节点连接的输入节点、以及输出节点和输入节点之间的权重集合，权重集合包括一个或多个权重。其中，输入节点用于为输出节点提供输入值。然后，根据M个子网络得到M个子电路。具体地，每个子电路的类型是根据每个子网络中的权重集合确定的，M个子电路和M个子网络一一对应，M个子电路用于连接得到逻辑电路。当M等于1时，子电路即为逻辑电路。当M大于1时，M个子电路中的某些子电路的输出作为某些子电路的输入，从而连接得到逻辑电路。

在本申请中，逻辑电路是根据目标神经网络得到的，目标神经网络可以通过训练初始神经网络得到。通过设定训练过程中的误差，可以得到精准神经网络或近似神经网络。通过精准神经网络可以得到精准逻辑电路，通过近似神经网络可以得到近似逻辑电路。因此，增加了获取逻辑电路的灵活性。并且，通过权重集合确定子电路的类型，则子电路可以不包括执行权重集合和输入值相乘的乘法器，进而简化逻辑电路。

在第一方面的一种可选方式中，子电路的类型包括与电路，非电路，或电路，与非电路，或非电路。

在第一方面的一种可选方式中，与输出节点连接的输入节点的数量为1或2。其中，最小门电路单元一般包括1个或2个输入值，以及1个输出值，例如与电路，或电路，非电路。若一个电路包括2个以上的输入值，则该电路可以理解为多个最小门电路单元的集合。并且，集合中包括的最小门电路单元的类型，数量，组合方式都和输入值的数量相关。因此，在输入值的数量较多的情况下，建立多输入值的子网络(2个以上输入值的子网络)和电路的映射关系是比较困难的，即需要存储较多的映射关系将多输入值的子网络转化为子电路。为此，本申请限定子网络的输入节点的数量为1或2，从而方便建立子网络和子电路的映射关系。因此，本申请可以简化自动化算法，提高获取逻辑电路的效率。

在第一方面的一种可选方式中，子电路的类型还包括同或电路，异或电路，固定电平电路，直通电路。其中，当子电路的类型越多，神经网络的收敛速度一般越快。在与输出节点连接的输入节点的数量为1或2时，本申请限定子电路包括所有可能的类型，可以提高神经网络收敛速度，提高获取逻辑电路的效率。