来源：期刊VIP网 时间：
作者：游卉擎;黄鹏程;赵振宇;王斌;向凌云;
单位：国防科技大学计算机学院;国防科技大学先进微处理器芯片与系统重点实验室;长沙理工大学计算机与通信工程学院;
摘要：在集成电路布线完成至确认阶段的迭代优化时序过程中，重复进行静态时序分析会带来高额的时间成本。为此，设计了标准单元特征提取算法，并对标准单元延时预测问题进行建模。以循环神经网络(recurrent neural network, RNN)为基础构建了标准单元延时预测模型(cell-delay prediction model, C-DPM),深入挖掘标准单元特性与延时之间存在的非线性映射关系，从而实现了快速预测标准单元延时。为了测试C-DPM对不同设计模块在不同工艺、电压、温度条件下的延时预测效果，对亚30 nm工艺下的6个设计模块进行了实验。实验结果显示，C-DPM的最大延时预测的平均绝对误差为0.519 ps～1.310 ps,最小延时预测的平均绝对误差为0.380 ps～1.016 ps,表明C-DPM能以极小的误差换取时间开销的减少，从而加快了物理设计的效率。
关键词：循环神经网络;;静态时序分析;;机器学习;;标准单元;;延时预测
基金资助：国家自然科学基金项目(62034005);; 湖南省科技创新计划资助项目(2023RC3014);; 湖南省自然科学基金项目(2023JJ30637,2022JJ10066);; 青年科技人才支持计划(ZD0102088845)
