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！

龙图腾网获悉东南大学申请的专利基于深度学习的时变负载下关键路径老化时序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：CN118673856B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202410790008.6，技术领域涉及：G06F30/3315；该发明授权基于深度学习的时变负载下关键路径老化时序预测方法是由卜爱国设计研发完成，并于2024-06-19向国家知识产权局提交的专利申请。

本基于深度学习的时变负载下关键路径老化时序预测方法在说明书摘要公布了：本发明提出了一种基于深度学习的时变负载下关键路径老化时序预测方法，首先，基于时空Transformer网络STTN中的自适应多头注意力机制，对路径子图中各个单元在空间和时间两个维度上的关联性进行建模，精准捕捉路径中相邻单元对目标单元老化时序的影响，以及工作负载序列中各元素对老化过程的贡献程度。在此基础上使用图注意力网络GAT对路径拓扑结构和时序信息进行学习，作为对STTN模型的信息补充。其次，设计了基于门控机制的特征融合网络，用于整合多尺度图学习模型的输出信息，并通过多层感知机对融合特征进行路径老化延时的回归预测。本方法对于老化的电路关键路径特征捕捉完备，对实现高精度的老化时序分析预测以及设计高鲁棒性电路具有重要意义。

本发明授权基于深度学习的时变负载下关键路径老化时序预测方法在权利要求书中公布了：1.一种基于深度学习的时变负载下关键路径老化时序预测方法，其特征在于，所述深度学习指时空Transformer网络、图注意力网络和特征融合网络三种算法所实现的回归任务；所述时变负载指芯片在工作时实现功能不断变化的场景；所述老化指受负偏压温度不稳定性NBTI老化效应；所述关键路径时序指从数据的发起点到数据的捕获点所经历的延迟最长的路径的延时；所述预测方法包括以下步骤： S1：搭建数据集；具体过程为：测试基准电路在指定工艺下进行逻辑综合生成对应的门级网表，然后基于真实的应用工作负载激励对综合后网表使用逻辑仿真器进行门级仿真，得到全网表中内部每个节点上的序列数据并计算对应的平均占空比；对于网表内部中的每一个节点，通过将每一个工作负载对应的平均信号概率拼合成一个信号概率序列；根据获取的信号概率序列和预先设定的工作负载持续时长生成HSPICE信号激励，与门级网表中对应的逻辑单元合并成HSPICE仿真文件进行MOSRA老化功能仿真得到每个单元内所有晶体管的老化情况；使用静态时序分析工具对门级网表进行老化前的静态时序分析生成路径时序报告，并生成关键路径的HSPICE网表；将MOSRA仿真获取的晶体管老化情况反向标入关键路径HSPICE网表中进行HSPICE老化后时序仿真，得到老化时序标签值； S2：利用步骤S1搭建的数据集训练关键路径老化时序预测模型，具体过程为：训练分为两个阶段，第一阶段的输入特征为工作负载序列、门级网表、老化前时序报告和工作应力条件，分别送入时空Transformer网络和图注意力网络；第二阶段的输入特征分别为时空Transformer网络和图注意力网络的输出特征，送入特征融合网络和多层感知机，训练标签为关键路径老化时序； S3：当训练至关键路径老化时序预测模型内部参数固定后，模型推理过程为端到端实现的关键路径老化时序预测；预测得到的路径时序值对比仿真软件HSPICE得到的标签值，计算平均绝对百分比误差MAPE。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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。