Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华南理工大学邹毅获国家专利权

华南理工大学邹毅获国家专利权

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!

龙图腾网获悉华南理工大学申请的专利一种深度学习驱动的高密度标准单元全局布线器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:CN121435911B

龙图腾网通过国家知识产权局官网在2026-03-20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:202512015011.8,技术领域涉及:G06F30/3947;该发明授权一种深度学习驱动的高密度标准单元全局布线器是由邹毅;彭炫;宋县锋设计研发完成,并于2025-12-30向国家知识产权局提交的专利申请。

一种深度学习驱动的高密度标准单元全局布线器在说明书摘要公布了:本发明公开了一种深度学习驱动的高密度标准单元全局布线器,涉及集成电路设计自动化技术,布线器包括:预处理模块,用于从高密度标准单元全局布线器的中间结果中提取版图的相关特征,并构建异构超图;模型推理模块,用于将异构超图输入至多模态拥塞预测模型进行预测;并行路由调度模块,用于调度第一迷宫布线阶段对预测的溢出网络进行提前布线;后处理模块,用于对第一迷宫布线阶段的布线结果进行筛选与替换,并将更新后的三维拥塞图与溢出网络提交至第二迷宫布线阶段进行最终布线。本发明解决了现有技术中高密度标准单元下全局布线运行时间长、重复迷宫布线严重以及传统拥塞预测模型实用性不足的问题。

本发明授权一种深度学习驱动的高密度标准单元全局布线器在权利要求书中公布了:1.一种深度学习驱动的高密度标准单元全局布线器,其特征在于,包括: 预处理模块,用于从高密度标准单元全局布线器的中间结果中提取版图几何特征与网表拓扑特征,并根据所述版图几何特征与网表拓扑特征构建异构超图; 模型推理模块,用于将异构超图输入至多模态拥塞预测模型进行预测,得到预测的三维拥塞图和预测的溢出网络; 并行路由调度模块,用于在增强模式布线阶段,并行调度第一迷宫布线阶段根据所述预测的三维拥塞图和预测的溢出网络进行提前布线; 后处理模块,用于在所述增强模式布线阶段结束后,基于增强模式布线的实际布线结果和第一迷宫布线阶段的提前布线结果对所述提前布线结果进行筛选与替换,获取更新后的三维拥塞图与溢出网络,并将所述更新后的三维拥塞图与溢出网络提交至第二迷宫布线阶段进行最终布线; 路由结果输出模块,用于输出最终的布线结果; 多模态拥塞预测模型对异构超图进行预测的具体流程为: 获取所述异构超图中的几何特征张量; 对所述几何特征张量进行块嵌入和位置编码,得到序列化Token特征; 将所述几何特征张量输入至一卷积神经网络中构建多尺度金字塔特征; 将所述序列化Token特征、多尺度金字塔特征和异构超图输入至多个依次相连的三特征融合模块中进行融合处理,以得到融合后的图节点特征以及更新后的金字塔特征; 将所述更新后的金字塔特征输入解码器中对各层特征进行逐级上采样与融合,得到预测的三维拥塞图; 将所述融合后的图节点特征输入至全连接层中得到每条网络的溢出概率,并经Sigmoid或阈值化操作获得二值标签作为预测的溢出网络。

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华南理工大学,其通讯地址为:510641 广东省广州市天河区五山路381号;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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。