公开(公告)号：CN119903797A

公开(公告)日：2025-04-29

申请号：CN202411948486.1

申请日：2024-12-27

Applicant: 山东大学

Inventor： 周冉冉 ,  潘洋 ,  王永 ,  王澎

IPC: G06F30/3315 ,  G06F18/2113 ,  G06F18/243 ,  G06F18/27 ,  G06N5/01 ,  G06N20/20 ,  G06F119/12

Abstract: 本发明涉及一种基于机器学习模型的标准单元延迟预测方法及系统，属于电子设计自动化技术领域。采用LightGBM算法对标准单元库中提取的数据进行建模。通过特征选择和优化，构建能够有效捕捉延迟特性的预测模型。实验结果显示，与传统模型相比，基于LightGBM的方法在预测准确性和计算效率上展现出突出优势。该方法将机器学习算法与标准单元库设计相结合，利用机器学习模型，建立了延迟特性与电压、温度、输入传输延迟时间及输出负载等因素之间的映射关系，提供了一种快速、准确的标准单元延迟预测方案，不仅提高了预测精度，还减少了计算时间，为标准单元延迟分析提供了一种创新解决方案，有望在实际芯片设计流程中发挥重要作用。