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！

龙图腾网获悉浙江大学申请的专利一种超大规模集成电路拥塞预测方法、装置、计算机设备及存储介质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：CN119129516B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411134743.8，技术领域涉及：G06F30/394；该发明授权一种超大规模集成电路拥塞预测方法、装置、计算机设备及存储介质是由程志渊;蔡强;黄平洋;刘晨曦;董艳萍设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本一种超大规模集成电路拥塞预测方法、装置、计算机设备及存储介质在说明书摘要公布了：本发明公开了一种超大规模集成电路拥塞预测方法，构建基于U‑Net结构的神经网络模型，将EDA工具的输出，快速计算得到的单元分布特征图、布线资源需求指标矩形区域线密度RUDY、矩形区域引脚线密度图pinRUDY作为模型输入，获得全局布线的拥塞热点图，从而能够解决集成电路拥塞精准预测的耗时长的难题，提升布局布线工具的结果质量以及执行效率。基于本发明，单个芯片拥塞分布计算的时间大约在0.0065s，相比于EDA提升了6个数量级；与EDA工具输出的拥塞图对比，SSIM指标在0.7935左右nrmse＝0.0045,预测的准确率超过80％。

本发明授权一种超大规模集成电路拥塞预测方法、装置、计算机设备及存储介质在权利要求书中公布了：1.一种超大规模集成电路拥塞预测方法，其特征在于，包括：将待测集成电路的单元分布特征图、矩形均匀线密度分布图和矩形区域引脚均匀线密度输入到拥塞预测模型，获得拥塞分布图； 所述拥塞预测模型采用基于U-Net结构的神经网络模型，包括编码器和解码器； 编码器模块，包括：第一自定义卷积层、第一最大池化层、第一混合卷积层、第二自定义卷积层、第二最大池化层、第二混合卷积层、第一输出层； 所述第一自定义卷积层和第二自定义卷积层，继承自nn.Module，使用nn.Sequential模块生成一个序列化的卷积神经网络层；所述序列化的卷积神经网络层包括二维卷积层、实例归一化层和LeakyReLU激活函数； 第一混合卷积层和第二混合卷积层进行多分支卷积操作，均有4个卷积核，按照通道均分进行特征学习； 第一输出层，继承自nn.Module，使用nn.Sequential模块生成一个序列化的卷积神经网络层；所述序列化的卷积神经网络层包括二维卷积层、批归一化层BatchNorm2d和Tanh激活函数； 解码器，包括：第三自定义卷积层、第三混合卷积层、第一自定义上采样层、第四自定义卷积层、第四混合卷积层、第二自定义上采样层、第二输出层； 编码器和解码器之间进行跨接，将编码器中的第一自定义卷积层的输出跨接到解码器的第二输出层，将编码器的第二自定义卷积层的输出跨接到解码器的第四自定义卷积层； 第三自定义卷积层和第四自定义卷积层与编码器中的自定义卷积层结构相同； 第一自定义上采样层和第二自定义上采样层采用nn.Sequential拼接的网络结构，依次由二维反卷积层nn.ConvTranspose2d、归一化层、以及nn.LeakyReLU激活层组成； 第三混合卷积层和第四混合卷积层与编码器中的混合卷积层结构相同； 第二输出层由一个二维卷积层和一个sigmoid激活函数组成。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。