[发明专利]基于生成式深度学习的芯片布线系统及方法

权利要求书

1.一种基于生成式深度学习的芯片布线系统，其特征在于，包括：数据预处理模块、基础条件生成对抗网络模块、多尺度条件生成对抗网络模块、条件生成对抗网络参数更新模块、后处理模块、深度隐变量学习网络模块和深度隐变量学习网络参数更新模块，其中：数据预处理模块读取并解析gr格式的文件，将布局信息和布线资源转换为图像数据并生成监督训练部分的真值；基础条件生成对抗网络模块根据输入的每个网(net)中引脚(pin)的位置信息和芯片划分后的网格(grid)布线线路容量信息，进行生成式布线处理，得到每个网进行生成式布线后的结果；多尺度条件生成对抗网络模块根据输入的每个网中引脚的位置信息和芯片划分后的网格布线线路容量信息，进行生成式布线处理，得到每个网进行生成式布线后的结果；条件生成对抗网络参数更新模块根据输入的每个网中引脚的位置信息和芯片划分后的网格布线线路容量信息，进行生成式布线处理，得到每个网进行生成式布线后的结果；后处理模块在生成的布线结果未形成通路时通过贪心的迷宫布线(MazeRouting)算法得到最终解，并将线路中多余的点删去，得到优化后的布线的最终结果；深度隐变量学习网络模块根据之前未布线的每个网中引脚的位置信息和芯片划分后的网格布线线路容量信息，进行重参数化隐变量采样和生成式布线处理，得到根据隐变量调整后的布线结果；深度隐变量学习网络参数更新模块根据隐变量调整后的布线结果的评价指标信息，进行误差计算和反向传播训练处理，得到更新后的隐变量学习网络参数结果。

2.根据权利要求1所述的基于生成式深度学习的芯片布线系统，其特征是，所述的数据预处理模块包括：数据读取单元、芯片网格初始化单元、待处理网信息初始化单元以及张量转换单元，其中：数据读取单元根据输入的芯片网格属性和所需布线的网的信息，进行读取处理，得到格式化后的输入结果；芯片网格初始化单元根据格式化后的芯片网格属性信息，进行芯片网格建模处理，得到芯片网格的数学模型结果；待处理网信息初始化单元根据格式化后的网信息，进行归并处理，得到结构化的每张网需要布线的引脚结果；张量转换单元根据芯片网格数学模型信息和所需布线的网的引脚信息，进行张量生成处理，得到基于当前芯片网格信息和当前所需布线的网对应的张量结果。

3.根据权利要求1所述的基于生成式深度学习的芯片布线系统，其特征是，所述的基础条件生成对抗网络模块包括生成器和判别器，其中：判别器由多个子判别器组成，生成器和子判别器均由卷积神经网络组成，生成器根据芯片划分后规模图像，首先经过扩充和卷积神经网络提取其特征图，经过多个残差网络(ResNet)装置后提取出高维特征图，而后经过多层反卷积处理后，最终经过激活函数得到每个点属于最终线路的概率作为生成结果；第一子判别器对生成结果的连通性，即正确性进行判别，第二子判别器对生成结果的线长进行判别，第三子判别器对生成结果的整体性进行判别；

所述的芯片划分后规模图像是指：将一个网中的所有引脚所在的格点赋值为1，网格中不存在引脚的格点赋值为0，并且将权值大于0的边赋值为1，即1表示有引脚的位置或还能容纳线路通过的边；将权值等于0的边赋值为0；由所有引脚的值组成的矩阵编码为图像的R通道，由水平方向的边和竖直方向的边的权值组成的矩阵分别被编码为图像的G通道和B通道。

4.根据权利要求1所述的基于生成式深度学习的芯片布线系统，其特征是，所述的多尺度条件生成对抗网络模块包括：前置特征提取单元、下采样特征提取单元以及布线图生成单元，其中：前置特征提取单元根据输入的张量信息，进行卷积网络特征提取处理，得到运算后的基本多通道特征信息结果；下采样特征提取单元根据输入的张量信息信息，进行下采样和卷积网络特征提取处理，得到全局视角下的多通道特征信息结果；布线图生成单元根据上述两个单元得到的基本多通道特征信息和全局视角下的多通道特征信息，进行按位相加和生成网络处理，得到生成的布线图结果。