技术特征：
1.一种模拟集成电路前仿过程的预测寄生参数方法，其特征在于，包括：获取待预测的原理图文件；从所述待预测的原理图文件中提取器件参数和器件关系，得到器件抽象逻辑集合；将所述器件抽象逻辑集合输入至预先建立的图神经网络模型中，输出伪寄生参数集合，其中，所述图神经网络模型包括器件抽象逻辑集合和伪寄生参数集合的映射关系，所述伪寄生参数集合包括各个器件的多个伪寄生参数，所述伪寄生参数为实际影响寄生参数电学性质的尺寸参数；读取模拟集成电路所采用的生产工艺，以及，根据所述生产工艺和所述伪寄生参数集合，得到模拟集成电路的实际寄生参数集合。2.根据权利要求1所述的一种模拟集成电路前仿过程的预测寄生参数方法，其特征在于，所述图神经网络模型通过以下方法建立：获取历史模拟集成电路版图的实际寄生参数集合和对应原理图的器件抽象逻辑集合；结合历史模拟集成电路版图对应的生产工艺，对历史模拟集成电路版图的实际寄生参数集合作伪寄生参数处理，得到历史模拟集成电路版图的伪寄生参数集合，其中，所述作伪寄生参数处理是指结合所述生产工艺，将实际寄生参数组合中工艺相关参数归一化处理；从训练样本集中学习生成图神经网络模型，其中，训练样本包括历史模拟集成电路版图的器件抽象逻辑集合和伪寄生参数集合的对应记录。3.根据权利要求2所述的一种模拟集成电路前仿过程的预测寄生参数方法，其特征在于，所述从训练样本集中学习生成图神经网络模型，包括：根据器件抽象逻辑集合和对应的伪寄生参数集合，确定每个器件的抽象逻辑、每个器件所属的电路模块和每个器件的多个伪寄生参数，其中，所述每个器件的抽象逻辑包括器件的参数、与其他器件相连的端口特性、相连的其他器件的器件特性以及相连的其他器件的多个伪寄生参数；其中，所述器件的参数、所述与其他器件相连的端口特性和所述相连的其他器件的器件特性从历史模拟集成电路版图对应原理图的器件抽象逻辑集合中提取得到，所述相连的其他器件的多个伪寄生参数从历史模拟集成电路版图的伪寄生参数集合中提取得到；根据每个器件所属的电路模块、抽象逻辑和多个伪寄生参数的对应记录，训练生成图神经网络模型，其中，所述图神经网络模型包括各个电路模块中器件的抽象逻辑和器件的多个伪寄生参数的映射关系。4.根据权利要求3所述的一种模拟集成电路前仿过程的预测寄生参数方法，其特征在于，所述各个电路模块中器件的抽象逻辑和器件的多个伪寄生参数的映射关系，表示为：h
v
＝f(x
v
，x
co[v]
，h
ne[v]
，x
ne[v]
)；其中，h
v
为器件v的多个伪寄生参数，f为器件v的抽象逻辑到对应器件多个伪寄生参数的映射函数，x
v
为器件v的参数，x
co[v]
为器件v与其他器件相连的端口特性，h
ne[v]
为与器件v相连的其他器件的多个伪寄生参数，x
ne[v]
为与器件v相连的其他器件的器件特性。5.根据权利要求3所述的一种模拟集成电路前仿过程的预测寄生参数方法，其特征在于，所述将所述器件抽象逻辑集合输入至预先建立的图神经网络模型中，输出伪寄生参数集合，包括：根据器件抽象逻辑集合，确定每个器件所属的电路模块；
选取第一器件，判断第一器件相连其他器件的多个伪寄生参数是否已经预测完成，其中，第一器件为待预测的原理图文件中的任一器件；如果第一器件相连其他器件的多个伪寄生参数已经预测完成，则结合器件抽象逻辑集合，确定第一器件的抽象逻辑，其中，第一器件的抽象逻辑包括第一器件的参数、第一器件与其他器件相连的端口特性、第一器件相连的其他器件的器件特性以及第一器件相连其他器件的多个伪寄生参数；基于第一器件所属的电路模块和对应电路模块中器件的抽象逻辑与多个伪寄生参数的映射关系，确定第一器件的多个伪寄生参数；遍历待预测的原理图文件中的其他器件，将其他器件当作第一器件，重复判断第一器件相连其他器件的多个伪寄生参数是否已经预测完成的过程和确定第一器件的多个伪寄生参数的过程，直至待预测的原理图文件中的所有器件遍历完成，得到伪寄生参数集合。6.根据权利要求5所述的一种模拟集成电路前仿过程的预测寄生参数方法，其特征在于，所述判断第一器件相连其他器件的多个伪寄生参数是否已经预测完成之后，还包括：如果第一器件相连其他器件的多个伪寄生参数未预测，则将第一器件相连其他器件的多个伪寄生参数预设为零，以及，结合器件抽象逻辑集合，确定第一器件的抽象逻辑。7.一种模拟集成电路前仿过程的预测寄生参数系统，其特征在于，包括：获取模块，用于获取待预测的原理图文件；提取模块，用于从所述待预测的原理图文件中提取器件参数和器件关系，得到器件抽象逻辑集合；伪寄生参数预测模块，用于将所述器件抽象逻辑集合输入至预先建立的图神经网络模型中，输出伪寄生参数集合，其中，所述图神经网络模型包括器件抽象逻辑集合和伪寄生参数集合的映射关系；实际寄生参数预测模块，用于读取模拟集成电路所采用的生产工艺，以及，根据所述生产工艺和所述伪寄生参数集合，得到模拟集成电路的实际寄生参数集合。8.根据权利要求7所述的一种模拟集成电路前仿过程的预测寄生参数系统，其特征在于，所述伪寄生参数预测模块包括图神经网络模型建立单元，所述图神经网络模型建立单元被配制为：获取历史模拟集成电路版图的实际寄生参数集合和对应原理图的器件抽象逻辑集合；结合历史模拟集成电路版图对应的生产工艺，对历史模拟集成电路版图的实际寄生参数集合作伪寄生参数处理，得到历史模拟集成电路版图的伪寄生参数集合；从训练样本集中学习生成图神经网络模型，其中，训练样本包括历史模拟集成电路版图的器件抽象逻辑集合和伪寄生参数集合的对应记录。9.一种电子设备，其特征在于，包括：存储器、一个或多个处理器；所述存储器与所述一个或多个处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；所述一个或多个处理器用于调用所述计算机指令，以使得所述电子设备实现权利要求1-6中任一项所述的方法。10.一种计算机存储介质，其特征在于，包括计算机指令，当所述计算机指令在用户设备上运行时，使得所述用户设备执行权利要求1-6中任一项所述的方法。
技术总结
本申请涉及模拟集成电路设计技术领域，提供一种模拟集成电路前仿过程的预测寄生参数方法及系统，包括获取待预测的原理图文件；从所述待预测的原理图文件中提取器件参数和器件关系，得到器件抽象逻辑集合；将所述器件抽象逻辑集合输入至预先建立的图神经网络模型中，输出伪寄生参数集合；读取模拟集成电路所采用的生产工艺，以及，根据所述生产工艺和所述伪寄生参数集合，得到模拟集成电路的实际寄生参数集合。本申请实施例基于深度学习神经网络，对原理图读取、寄生参数预测以及仿真流程进行了有效的整合，减少了芯片设计者在原理图设计与版图设计之间的迭代次数，实现高效辅助人工设计，极大地提高了模拟集成电路的设计效率以及设计速度。率以及设计速度。率以及设计速度。
技术研发人员：刘乘杰 杜力 杜源
受保护的技术使用者：南京大学
技术研发日：2022.09.16
技术公布日：2022/12/9