山东大学学报(工学版)

作者：王庆康,周冉冉,王永

单位：1.山东大学集成电路学院, 山东 济南 250101;2.泉城实验室, 山东 济南 250103

关键词：长短期记忆网络,逻辑综合,静态时序分析,路径延时预测,机器学习,

基金：国家重点研发计划资助项目(2021YFA1003604);国家自然科学基金资助项目(U23A20348)

为了提高数字集成电路逻辑综合阶段的延时评估精度与效率,提出一种基于长短期记忆网络(long short-term memory,LSTM)的逻辑综合阶段延时预测方法。将时序路径表示为由标准单元构成的有序序列,提取并构建包含单元类型、扇出、负载电容和输入转换时间等关键特征参数的结构化序列数据;通过LSTM时序建模中的上下文记忆能力,捕捉路径中各级单元之间复杂的时序依赖关系,实现对路径延时的高精度预测。试验结果表明,对比现有对单元延时和线延时进行累加的机器学习估算方法,在预测精度上,基于LSTM的预测方法在保证高准确率的前提下,对不同类型的案例具有更好的适应性;在运行速度上,在多数测试案例上实现2.8~3.2倍加速。在无工艺信息的通用门级网表上验证本研究方法的预测能力,其表现优于传统静态时序分析方法,验证了该方法在早期设计阶段的有效性和应用前景。

来源：2026年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2026年第2期