买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉奇捷科技(深圳)有限公司申请的专利一种基于人工智能的增量式静态时序分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120493828B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510983402.6，技术领域涉及：G06F30/3315；该发明授权一种基于人工智能的增量式静态时序分析方法是由杨晓庆;魏星;刁屹;袁峰;周星辰;刘彦君;康泽;陈杰设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本一种基于人工智能的增量式静态时序分析方法在说明书摘要公布了：本发明提出了一种基于人工智能的增量式静态时序分析方法，适用于数字电路设计中的确认阶段ECO中电路时延的分析，根据原始设计确认阶段未进行ECO的电路时序数据，提取与时序数据相关的电路器件特征数据；基于神经网络构建时延预测模型，利用电路器件特征数据对所述时延预测模型进行训练，得到模型参数；提取进行ECO后的增量式设计的电路器件特征数据，输入训练好的时延预测模型，得到增量式设计结构的电路时延数据以及相应的延迟数据和增益数据；将所述延迟数据和增益数据回传给布局器和布线器；该方法能够保证静态时序预测精度，同时解决了增量式设计结果难以满足时序收敛的问题。

本发明授权一种基于人工智能的增量式静态时序分析方法在权利要求书中公布了：1.一种基于人工智能的增量式静态时序分析方法，适用于数字电路设计中的增量式设计的物理实现阶段ECO中电路时延的分析，其特征在于，所述方法包括以下步骤： 步骤S1，根据原始设计确认阶段未进行ECO的电路时序数据，提取与时序数据相关的电路器件特征数据； 对原始设计确认阶段未进行ECO的电路时序数据进行解析，提取电路的拓扑结构；提取电路器件的物理特征，所述物理特征至少包括：类型、尺寸、电阻、电容、面积；提取电路器件之间的链接关系，所述链接关系至少包括：连接的节点、路径长度、连接类型；将上述提取的特征数据进行标准化处理得到电路器件特征数据； 步骤S2，基于神经网络构建时延预测模型，利用电路器件特征数据对所述时延预测模型进行训练，得到模型参数； 所述神经网络为异质图神经网络，采用有监督学习进行模型训练，监督标签来源于原始设计使用商业工具得到的时序数据； 所述异质图神经网络中的图结构通过如下方式构建： 将电路中的每个器件，包括标准单元和宏单元，映射为图中的节点，节点属性包含器件的物理特征；将器件之间的物理连接关系映射为图中的边，边的属性包含连接类型和路径长度链接特征；不同类型的器件节点之间的连接构成异质图结构； 神经网络包括：输入层、图卷积层、特征聚合层、全连接层和输出层； 输入层接收电路节点的输入特征并对输入特征进行初始化为节点特征，所述输入特征为电路器件特征数据；所述初始化表示为：，其中，表示节点的初始特征，表示节点的节点特征； 图卷积层采用异质图卷积操作，对不同类型的节点特征进行聚合和更新，所述图卷积层的函数公式为： 其中，表示节点在第层的特征，表示节点的邻居节点集合，是归一化系数，和是第层的权重矩阵，ReLU是图卷积层激活函数； 特征聚合层对每个节点的特征进行聚合，生成新的节点特征表示，所述特征聚合层的函数公式为： 其中，表示节点在最后一层的特征，表示特征聚合函数； 全连接层将聚合后的节点特征输入到全连接层，进行特征变换和非线性变换，所述全连接层的函数公式为： 其中，表示节点的输出时延预测值，和是全连接层的权重和偏置，是全连接层的激活函数； 所述输出层输出节点的时延预测值； 步骤S3，提取进行ECO后的增量式设计的电路器件特征数据，输入训练好的时延预测模型，得到增量式设计结构的电路时延数据以及相应的延迟数据和增益数据； 步骤S4，将所述延迟数据和增益数据回传给布局器和布线器。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人奇捷科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市福田区福保街道福保社区市花路南侧长富金茂大厦1号楼2102D；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。