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！

龙图腾网获悉长春理工大学申请的专利一种基于深度学习的VLSI电路布局优化方法及系统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：CN120524911B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511020670.4，技术领域涉及：G06F30/398；该发明授权一种基于深度学习的VLSI电路布局优化方法及系统是由白森;孙延广;杨春琦;张昕;蒋振刚设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本一种基于深度学习的VLSI电路布局优化方法及系统在说明书摘要公布了：本发明公开了集成电路技术领域的一种基于深度学习的VLSI电路布局优化方法及系统，方法步骤包括：将大规模集成电路抽象为超图结构、接收超图结构，利用超图神经网络生成节点嵌入矩阵，并通过无监督训练优化分割损失函数，得到概率分布矩阵、基于所述概率分布矩阵确定分割后的子集，并将各子集映射至物理布局单元，根据面积均衡约束和时序约束生成芯片的物理区域布局、对物理布局结果进行约束反馈，动态调整所述分割损失函数的参数，直至满足所有物理约束条件，本发明可用于超大规模集成电路的电路的布局，为提供高质量VLSI电路布局方案提供优化方法和手段。

本发明授权一种基于深度学习的VLSI电路布局优化方法及系统在权利要求书中公布了：1.一种基于深度学习的VLSI电路布局优化方法，其特征在于，步骤如下： S1、将大规模集成电路抽象为超图结构，其中，超图结构包括节点集合V和超边集合E，节点集合V对应电路中的逻辑单元、寄存器及输入输出端口，超边集合E表示多节点之间的电气连接关系； S2、接收超图结构，利用超图神经网络HGNN生成节点嵌入矩阵，并通过无监督训练优化分割损失函数，得到节点集合V划分为n个子集的概率分布矩阵X； S3、基于所述概率分布矩阵X确定分割后的子集，并将各子集映射至物理布局单元，根据面积均衡约束和时序约束生成芯片的物理区域布局； S4、对物理布局结果进行约束反馈，动态调整所述分割损失函数的参数，直至满足所有物理约束条件； 步骤S2中，损失函数包括超边切割损失项和平衡性约束项，具体表示为：； 其中，所述超边切割损失项为归一化后的跨分区超边数量损失，计算方式为： ； 其中，表示对每个超边切割损失进行归一化，避免大超边主导损失函数；每个节点的平均贡献被均摊，使得不同规模超边的惩罚可比； 表示统计超边所有节点被分配到各分区的概率之和，是节点的one-hot编码向量； 表示为衡量是否留在同一个分区，通过哈达玛积对每个分区的维度进行元素级乘积，如果所有的节点被分配到同一分区k，则乘积为1否则为0； 平衡性约束项为各子集节点数量的方差损失，计算方式为： ； 其中，|Pk|表示第k个分区的实际节点数量即逻辑单元的数量，|v|表示总的节点数量在VLSI领域中表示电路中逻辑单元的总数量； 步骤S3中，所述物理布局单元进行布局时通过增大权重参数强化对跨分区高速总线的切割惩罚，通过调节权重参数β均衡高功耗模块的分布； 步骤S4中，约束反馈包括热分布异常或布线拥塞检测，并根据检测结果动态调整参数和β的取值。

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长春理工大学，其通讯地址为：130000 吉林省长春市卫星路7089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。