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！

龙图腾网获悉广东工业大学申请的专利一种数字集成电路布局后线长与线时延协同预测方法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：CN120012669B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510426423.8，技术领域涉及：G06F30/327；该发明授权一种数字集成电路布局后线长与线时延协同预测方法是由李卫军;周镌誉;蔡述庭;邢延;熊晓明设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种数字集成电路布局后线长与线时延协同预测方法在说明书摘要公布了：本发明公开了一种数字集成电路布局后线长与线时延协同预测方法，包括：基于电路网表的连接信息构建初版异构图；从网表文件和工艺文件中提取用于预测的特征；将提取到的特征添加到初版异构图相应的节点和边上，得到终版异构图；构建预测模型；对构建的预测模型进行训练；将终版异构图输入到训练完成的预测模型中，最后得到线长的预测结果和线时延的预测结果。本发明采用的模型引入多任务学习框架，考虑线长和线时延的协同关系，在此情况下，通过该模型对线长和线时延进行预测，不仅可减少训练和推理的时间成本，提高预测效率，而且还能确保线长和线时延相关信息的深度融合与充分利用，克服现有技术中这两个指标相对独立处理的问题。

本发明授权一种数字集成电路布局后线长与线时延协同预测方法在权利要求书中公布了：1.一种数字集成电路布局后线长与线时延协同预测方法，其特征在于，包括： 基于电路网表的连接信息构建初版异构图； 从网表文件和工艺文件中提取用于线边的线长和线时延预测的特征； 将提取到的特征添加到初版异构图相应的节点和边上，得到具有连接关系和特征的终版异构图； 构建基于图神经网络和多任务学习的线长与线时延协同预测模型； 对构建的基于图神经网络和多任务学习的线长与线时延协同预测模型进行训练； 将终版异构图输入到训练完成的基于图神经网络和多任务学习的线长与线时延协同预测模型中，最后得到线长的预测结果和线时延的预测结果； 构建的基于图神经网络和多任务学习的线长与线时延协同预测模型包括三个TransformerConv层，每层TransformerConv层后均设有十字绣单元，最后一个十字绣单元连接两个任务分支，该两个任务分支均包括有线边嵌入生成模块和全连接层； TransformerConv层的工作机制包括： 对于图中每个节点i，其输入特征表示为其中d为特征维度，l表示当前网络层的索引；首先，通过可学习的权重矩阵对节点特征进行线性变换，分别得到查询向量键向量和值向量 其中，查询向量用于衡量节点i对其他节点的关注程度；键向量用于与其他节点的查询向量进行匹配，以计算注意力权重；值向量包含节点的实际信息，用于加权求和以更新节点特征； 为了利用图中边特征的信息，TransformerConv层通过一个可学习的权重矩阵对边特征进行线性变换，将其映射到与节点特征相同的维度空间： 随后，根据上述变换结果计算节点i与其邻居节点j的注意力权重系数αij： 其中点积操作qTk衡量查询向量和键向量之间的相似性，而分母中的归一化确保注意力权重的总和为1，边特征的引入增强模型对边特征信息的利用能力； 基于注意力权重系数αij，节点的新特征通过对邻居节点的值向量进行加权求和得到： 其中为可学习的权重矩阵，用于对节点自身的特征进行变换；保留节点自身的特征信息，而融合邻居节点的信息，通过注意力权重实现加权聚合；边特征加入到聚合过程中增强模型对节点间关系的表达能力。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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。