基于机器学习的多压多温多参标准单元延迟快速计算方法

标准单元库是芯片设计、分析和验证的基础，其生成需要耗费大量时间和服务器资源，因此供应商往往只提供少量端角的标准单元库。但是，芯片性能、功耗、可靠性等指标的设计需要标准单元在多种电压、温度和参数(驱动强度、沟道长度和阈值电压等)下的延迟信息。为快速实时计算多种端角下标准单元的延迟，提出了一种基于机器学习的多压多温多参标准单元延迟计算方法。通过深入研究影响标准单元延迟的因素，从28 nm工艺标准单元库和时序报告中提取数据构成数据集，使用机器学习算法训练并校准得到了标准单元延迟计算模型。模型的建立仅耗时数分钟，远远低于模拟方法耗费的时间(通常数百小时)。该模型对未知电压下单元延迟的计算平均误差为1.542 ps,未知温度下单元延迟的计算平均误差为1.814 ps,不同参数下单元延迟的计算平均误差为2.202 ps,静态时序分析流程中单元延迟预测偏差小于3%。该方法可以快速实时地计算单元延迟，并且具有较高的准确性，可以应用于签核前的多场景快速时序分析。