[发明专利]基于机器学习的数据路径提取

权利要求书

1.一种从集成电路设计提取数据路径逻辑的计算机实施的方法，包括：

通过执行计算机系统中的第一指令，接收用于所述集成电路设计的电路描述，所述电路描述包括被互连用于形成多个网的多个单元；

通过执行所述计算机系统中的第二指令，根据所述电路描述生成单元聚类；

通过执行所述计算机系统中的第三指令，评估所述单元聚类以标识所述单元聚类中的用于区分数据路径逻辑和非数据路径逻辑的一个或者多个聚类特征；并且

通过执行所述计算机系统中的第四指令，基于所述一个或者多个聚类特征使用一个或者多个机器学习模型将所述单元聚类选择性地分类为数据路径逻辑或者非数据路径逻辑。

2.根据权利要求1所述的方法，其中所述分类使用至少两个机器学习模型，每个所述机器学习模型提供对所述单元聚类中的给定的单元聚类是否为数据路径逻辑的指示，并且仅在所述两个机器学习模型均指示所述给定的单元聚类是数据路径逻辑时将所述给定的单元聚类分类为数据路径。

3.根据权利要求2所述的方法，其中所述机器学习模型中的第一机器学习模型是支持向量机，并且所述机器学习模型中的第二机器学习模型是神经网络。

4.根据权利要求1所述的方法，其中所述聚类特征包括用于所述单元聚类的自同构发生器。

5.根据权利要求1所述的方法，其中所述电路描述还包括来自先前布局的用于所述单元的位置，并且所述聚类特征包括基于所述单元位置的物理信息。

6.根据权利要求5所述的方法，其中所述物理信息包括用于给定的聚类的总单元面积与用于所述给定的单元聚类的定界框的半周长之比。

7.一种从集成电路设计提取数据路径逻辑的系统，包括：

用于通过以下操作从集成电路设计提取数据路径逻辑的装置：接收用于所述集成电路设计的电路描述，所述电路描述包括被互连用于形成多个网的多个单元，根据所述电路描述生成单元聚类，评估所述单元聚类以标识所述单元聚类中的用于区分数据路径逻辑和非数据路径逻辑的一个或者多个聚类特征，并且基于所述一个或者多个聚类特征使用一个或者多个机器学习模型将所述单元聚类选择性地分类为数据路径逻辑或者非数据路径逻辑。

8.根据权利要求7所述的系统，还包括：用于使用至少两个机器学习模型来对所述单元聚类分类的装置，每个所述机器学习模型提供对所述单元聚类中的给定的单元聚类是否为数据路径逻辑的指示，并且仅在所述两个机器学习模型均指示所述给定的单元聚类是数据路径逻辑时将所述给定的单元聚类分类为数据路径。

9.根据权利要求8所述的系统，其中所述机器学习模型中的第一机器学习模型是支持向量机，并且所述机器学习模型中的第二机器学习模型是神经网络。

10.根据权利要求7所述的系统，其中所述聚类特征包括用于所述单元聚类的自同构发生器。

11.根据权利要求7所述的系统，其中所述电路描述还包括来自先前布局的用于所述单元的位置，并且所述聚类特征包括基于所述单元位置的物理信息。

12.根据权利要求11所述的系统，其中所述物理信息包括用于给定的聚类的总单元面积与用于所述给定的单元聚类的定界框的半周长之比。

13.一种电子设计自动化设备，包括：

数据路径提取装置，其使用一个或者多个机器学习模型以基于用于区分数据路径逻辑和非数据路径逻辑的一个或者多个聚类特征将单元的聚类选择性地分类为数据路径逻辑或者非数据路径逻辑。

14.根据权利要求13所述的电子设计自动化设备，其中所述数据路径提取装置使用包括支持向量机和神经网络的至少两个机器学习模型，并且仅在所述支持向量机和所述神经网络指示给定的单元聚类是数据路径逻辑时将给定的单元聚类分类为数据路径。

15.根据权利要求13所述的电子设计自动化设备，其中所述聚类特征包括用于所述单元聚类的自同构发生器。

16.根据权利要求13所述的电子设计自动化设备，其中所述聚类特征包括基于来自先前布局的用于所述单元的位置的物理信息。

17.根据权利要求16所述的电子设计自动化设备，其中所述物理信息包括用于给定的聚类的总单元面积与用于所述给定的单元聚类的定界框的半周长之比。