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！

龙图腾网获悉深圳鸿芯微纳技术有限公司;上海鸿芯科纳科技有限公司申请的专利一种基于机器学习的时钟树综合优化方法、设备及产品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：CN121328453B 。

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：202511883297.5，技术领域涉及：G06F30/396；该发明授权一种基于机器学习的时钟树综合优化方法、设备及产品是由汪洋;林明豪;郭毅勃;王磊设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种基于机器学习的时钟树综合优化方法、设备及产品在说明书摘要公布了：一种基于机器学习的时钟树综合优化方法、设备及产品，时钟树综合优化方法包括获取一训练好的替换单元预测模型，其中，训练好的替换单元预测模型用于预测时钟树综合中待优化单元对应的最优替换单元；将训练好的替换单元预测模型集成到EDA工具中，以通过已集成训练好的替换单元预测模型的EDA工具调用训练好的替换单元预测模型来预测时钟树综合中待优化单元所对应的最优替换单元。上述时钟树综合优化方法旨在不显著恶化时钟时序且满足设计规则违例要求的前提下，减少在时钟树综合阶段将选定单元替换为驱动能力更弱的同类型单元的运行时间。

本发明授权一种基于机器学习的时钟树综合优化方法、设备及产品在权利要求书中公布了：1.一种基于机器学习的时钟树综合优化方法，其特征在于，包括： 获取一训练好的替换单元预测模型，其中，所述训练好的替换单元预测模型用于预测时钟树综合中待优化单元对应的最优替换单元，所述替换单元预测模型的训练方法，包括：对于时钟树综合中的待训练单元，构建所述待训练单元的训练数据集；根据机器学习算法确定基准模型，并对所述基准模型的模型参数进行初始化配置；基于所述训练数据集对所述基准模型进行多轮迭代训练，直至训练轮次达到预设的轮次或者所述基准模型满足预设的收敛要求，则将达到所述轮次的基准模型或者满足所述收敛要求的基准模型作为训练好的替换单元预测模型；每轮迭代训练的训练方法包括：将所述训练数据集输入至所述基准模型中，得到功耗预测值和替换预测概率值，基于预设的多任务复合损失函数、所述功耗预测值和所述替换预测概率值计算得到多任务复合损失值；根据所述多任务复合损失值计算得到梯度值，并利用所述梯度值和预设的优化算法更新所述基准模型的参数；所述多任务复合损失函数公式表示为： ； ； 其中，表示多任务复合损失函数，N表示所述训练数据集中功耗预测回归任务的样本的数量，表示第i个待训练单元的真实功耗值，表示第i个待训练单元的功耗预测值，表示归一化常数，表示动态权重系数，M表示所述训练数据集中替换决策分类任务的样本的数量，表示正样本的权重，表示第j个样本的真实标签，表示Sigmoid函数，表示第j个样本经过基准模型处理后输出的数值，表示替换预测概率值，表示负样本的权重，t表示当前迭代训练的轮次，T表示迭代训练的总轮次； 将所述训练好的替换单元预测模型集成到EDA工具中，以通过已集成所述训练好的替换单元预测模型的EDA工具调用所述训练好的替换单元预测模型来预测时钟树综合中待优化单元所对应的最优替换单元。

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深圳鸿芯微纳技术有限公司;上海鸿芯科纳科技有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道高新区社区沙河西路1801号国实大厦16C；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。