[發明專利]基于圖神經網絡的芯片布圖規劃方法、裝置及存儲介質

在審

• 申請號: 202210707368.6
• 申請日: 2022-06-21
• 公開（公告）號: CN115081381A
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 鞠子怡;劉怡婷;周海;王佳;楊帆;曾璇;尚笠;董明智;李正明
• 申請（專利權）人: 上海伴芯科技有限公司;復旦大學
• 主分類號: G06F30/392
• 分類號: G06F30/392;G06N3/04;G06N3/08
• 代理公司: 上海碩力知識產權代理事務所(普通合伙) 31251
• 代理人: 郭桂峰

1.一種基于圖神經網絡的芯片布圖規劃方法，其特征在于，包括：

生成訓練數據集，所述訓練數據集的每份樣本對應一種最優模塊布局，所述樣本包括對應的最優模塊布局中模塊之間的互連信息和各個模塊的位置信息；所述最優模塊布局為所有符合所述模塊之間的互連信息的模塊布局中互連總線長最短的布局；

基于變分圖自動編碼器框架構建模塊布局模型，所述變分圖自動編碼器包括編碼器和解碼器，所述編碼器將輸入的模塊之間的互連信息編碼成為一個隱空間的分布，所述解碼器根據從所述隱空間抽取的樣本預測與所述輸入的模塊之間的互連信息對應的模塊布局中各個模塊的位置信息；

用所述訓練數據集訓練所述模塊布局模型，得到訓練好的模塊布局模型；其中包括：計算所述模塊布局模型針對所述訓練數據集中每個樣本的模塊之間的互連信息預測的模塊布局與所述樣本對應的最優模塊布局之間的重構損失；計算所述隱空間的分布與高斯分布之間的KL散度；將所述重構損失與所述KL散度組合成為所述模塊布局模型的損失函數；

根據目標芯片的電路網表對所述目標芯片的電路進行電路劃分，得到所有模塊以及所述模塊之間的互連信息；

根據所述模塊之間的互連信息，利用所述訓練好的模塊布局模型確定每個模塊在所述目標芯片中的位置。

2.根據權利要求1所述的基于圖神經網絡的芯片布圖規劃方法，其特征在于，所述訓練數據集的每份樣本的生成包括：

獲取模塊數n、每個模塊的鄰居數以及每個模塊到各個鄰居的連接數；

創建一個空的芯片區域，按照所述模塊數n將所述芯片區域均勻分割成對應數量的子區域，每個子區域代表一個模塊；

遍歷所有模塊，對每個模塊執行以下操作：從距離最近的周邊模塊開始，按照距離增大的順序確定所述模塊的所有鄰居，并按照距離越近的鄰居分配的連接數越多的規則，分配所述模塊到各個鄰居的連接數。

3.根據權利要求2所述的基于圖神經網絡的芯片布圖規劃方法，其特征在于，所述獲取每個模塊的鄰居數以及每個模塊到各個鄰居的連接數包括：

設置模塊的鄰居數分布和模塊的連接數分布；

根據所述模塊的鄰居數分布確定每個模塊的鄰居數；

根據所述模塊的連接數分布確定每個模塊的總連接數；

將每個模塊的總連接數按照所述模塊的鄰居數分解成對應數量的整數，所述整數之和等于所述模塊的總連接數，將得到的整數作為所述模塊到各個鄰居的連接數。

4.根據權利要求1所述的基于圖神經網絡的芯片布圖規劃方法，其特征在于，所述根據目標芯片的電路網表對所述目標芯片的電路進行電路劃分，得到所有模塊以及所述模塊之間的互連信息，包括：

根據所述電路網表中各個單元之間的連接關系，采用譜聚類算法對所述電路網表中的單元進行分組，將得到的每一個分組作為一個模塊；

根據所述電路網表確定所述模塊之間的互連信息。

5.根據權利要求4所述的基于圖神經網絡的芯片布圖規劃方法，其特征在于，所述采用譜聚類算法對所述電路網表中的單元進行分組，將得到的每一個分組作為一個模塊包括：

根據所述電路網表得到對應的超圖，其中，將所述電路網表的單元作為所述超圖的節點，將所述電路網表的線網作為所述超圖的超邊；

從超邊度最大的超邊開始，按照超邊度降序的順序遍歷所有超邊，將一條超邊上所有未處理的節點融合成一個子模塊，然后處理下一條超邊，下一條超邊對應一個新的子模塊，如此循環，直至完成所有節點的處理；

根據所述電路網表得到所述子模塊之間的互連信息；

根據所述子模塊之間的互連信息，采用譜聚類算法對所述子模塊進行分組，將得到的每個分組作為一個模塊。

6.根據權利要求5所述的基于圖神經網絡的芯片布圖規劃方法，其特征在于，在得到模塊之后還包括：

遍歷所有模塊，從存在宏單元的模塊中提取出宏單元，將每個宏單元作為一個新的模塊，所述存在宏單元的模塊更新為不存在宏單元的模塊；

根據所述電路網表確定更新后的模塊之間的互連信息。