机器学习驱动的多Corner STA加速方法

摘要

cqvip:静态时序分析在芯片的物理设计中扮演着重要的作用,其贯穿设计流程始终,耗时巨大,多数时间用于在不同工艺、电压、温度条件下的多Corner组合分析。论文研究多Corner在时序分析方面的相关性并利用机器学习的方法对其进行建模,以利用已知Corner时序结果预测未知Corner时序结果而不需额外的运行时间。实验结果表明,线性模型可以有效地进行预测,在利用7个已知时序结果的Corner预测余下7个未知时序结果的Corner时,能达到2.07ps(1.76%)的平均绝对误差。同时,基于模型的强稳健性,可以采用约束驱动的Corner选取策略,有效地减少多Corner角组合时序分析所需的时间,加速物理设计流程。