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！

龙图腾网获悉杭州电子科技大学申请的专利基于图神经网络和强化学习的集成电路时钟树优化方法和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：CN121212067B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511756374.0，技术领域涉及：G06F30/396；该发明授权基于图神经网络和强化学习的集成电路时钟树优化方法和系统是由樊凌雁;周嘉鹏;黄灿坤;邓江峡;吴建锋设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于图神经网络和强化学习的集成电路时钟树优化方法和系统在说明书摘要公布了：本发明公开了一种基于图神经网络和强化学习的集成电路时钟树优化方法和系统，包括以下步骤：步骤S1：构建图结构生成模块，根据集成电路布图构建以寄存器为节点、以时序路径为边的图结构；步骤S2：构建GNN特征提取模块，用于根据所构建的图结构对寄存器节点的特征向量进行高维图嵌入表示；步骤S3：构建强化学习网络决策模块，用于接收当前节点嵌入表示向量并进行数据处理后生成具体动作；步骤S4：构建时序验证与奖励计算模块，用于对更新后的电路状态进行评价，并得到奖励信号以用于强化学习网络决策模块的训练；步骤S5：不断训练强化学习网络决策模块，直至训练完成，最终得到优化后的寄存器节点特征向量，即为优化后的时钟树。

本发明授权基于图神经网络和强化学习的集成电路时钟树优化方法和系统在权利要求书中公布了：1.一种基于图神经网络和强化学习的集成电路时钟树优化方法，其特征在于，包括以下步骤： 步骤S1：构建图结构生成模块，根据集成电路布图构建以寄存器为节点、以时序路径为边的图结构，并对寄存器节点的特征向量进行初始化； 步骤S2：构建GNN特征提取模块，用于根据所构建的图结构对寄存器节点的特征向量进行高维图嵌入表示，得到了每个节点的嵌入表示向量； 步骤S3：构建强化学习网络决策模块，并初始化其网络参数，用于接收当前节点嵌入表示向量并进行数据处理后生成具体动作，也即，输出调整后的寄存器节点特征向量以更新电路状态； 步骤S4：构建时序验证与奖励计算模块，用于对更新后的电路状态进行评价，并得到奖励信号以用于强化学习网络决策模块的训练； 步骤S5：不断训练强化学习网络决策模块，直至训练完成，最终得到优化后的寄存器节点特征向量，即为优化后的时钟树； 其中，步骤S5的训练过程包括： 步骤S51：固定强化学习网络决策模块的参数，并根据当前状态输入生成具体动作，时序验证与奖励计算模块针对每次动作执行更新后的电路状态得到奖励信号；多次执行该过程，得到一批数据； 步骤S52：利用步骤S51得到的数据更新强化学习网络决策模块的参数，直至收敛； 步骤S53：重复执行步骤S51和步骤S52，直至达到设定的训练轮次或者误差要求； 步骤S51中，每一时刻，强化学习网络决策模块的状态输入从候选集中产生，其中，，为所有寄存器节点的全集，为第i个寄存器节点的特征向量，根据各寄存器节点的离散概率分布选择当前状态输入。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区下沙高教园区二号路；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。