本发明涉及一种集成电路版图热点检测网络训练及热点检测方法、使用上述方法的电子装置及计算机可读存储介质、及集成电路版图热点检测网络训练及热点检测系统。
背景技术：
随着集成电路技术的发展，集成电路版图被广泛的引用。但随着集成电路版图工艺节点的推进和设计复杂度的增加，即便应用更为激进的opc(opticalproximityeffect)和分辨率增强技术以补偿版图转移失真，版图制造之后的系统缺陷也越来越多。制造者与设计者之间仅仅通过版图设计规则drc(designrulecheck)沟通是远远不够的，制造者需要总结各种生产过程中的偏差与缺陷对电路性能以及成品率的影响，将更多生产制造相关的信息反馈给设计者，以指导其版图设计。
现阶段，基于热点库和模式识别的热点检测方案仅能预测库内热点版图，建立相对完善的热点库也是一项庞大的工程。为克服热点库局限性，实现未知热点预测，基于svm的机器学习方法可实现较好的检测结果，但仍需要人工抽取海量版图特征以训练有效模型。
技术实现要素：
随着计算机视觉的高速发展，集成电路版图热点检测背后错综复杂的生产制造信息可考虑交由深度学习网络理解，实现未知热点的检测，有鉴于此，本发明提出一种集成电路版图热点检测网络训练及热点检测方法、使用上述方法的电子装置及计算机可读存储介质、及集成电路版图热点检测网络训练及热点检测系统，用于实现集成电路版图设计阶段实现对未知热点的检测从而对芯片制造时表面热点缺陷的预判，为集成电路版图设计者提供及时有效的设计指导。
一种集成电路版图热点检测网络训练及热点检测方法，其包括如下步骤：
获取模型训练数据集，所述模型训练数据集包括热点版图与非热点版图；
依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；
依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型；
依据所述特征模型及所述候选框模型进行热点版图提取训练获得热点范围提取卷积神经网络，所述热点范围提取卷积神经网络包括热点范围模型；
获取待检测的集成电路版图，依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图，依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型，依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。
在一种实施方式中，在依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络的步骤之前，所述方法还包括对所述模型训练数据集的热点版图进行数据增强以协调所述热点版图与非热点版图之间的差距。
在一种实施方式中，所述对所述模型训练数据集的热点版图进行数据增强的步骤包括对所述模型训练数据集的热点版图进行旋转、反射、及/或平移准换。
在一种实施方式中，提供待检测的集成电路版图的步骤中，所述待检测的集成电路版图以图片像素点的方式输入。
在一种实施方式中，所述热点范围提取卷积神经网络与所述候选框提取卷积神经网络共享所述特征提取卷积神经网络。
一种集成电路版图热点检测网络训练方法，其包括如下步骤：
获取模型训练数据集，所述模型训练数据集包括热点版图与非热点版图；
依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；
依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型；
依据所述特征模型及所述候选框模型进行热点版图提取训练获得热点范围提取卷积神经网络，所述热点范围提取卷积神经网络包括热点范围模型，所述热点范围提取卷积神经网络用于输出待检测的集成电路版图的热点检测结果。
一种集成电路版图的热点检测方法，其包括如下步骤：
获取待检测的集成电路版图，依据特征提取卷积神经网络获得所述待检测的集成电路版图的特征图，依据候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型，依据热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。
一种电子装置，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序所述计算机程序在被所述处理器执行时实现上述任意一方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一方法的步骤。
一种集成电路版图热点检测网络训练及热点检测系统，其包括：
特征提取模块，用于获取具有热点版图与非热点版图的模型训练数据集以及依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型；
候选框提取模块，用于依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型；及
分类与回归模块，用于依据所述特征模型及所述候选框模型进行热点版图提取训练获得具有热点范围模型的热点范围提取卷积神经网络、获取待检测的集成电路版图、依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图、依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型、以及依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。
相较于现有技术，本发明集成电路版图热点检测网络训练及热点检测方法、使用上述方法的电子装置及计算机可读存储介质、及集成电路版图热点检测网络训练及热点检测系统中，通过卷积神经网络充分发挥深度学习对复杂高维集成电路版图生产制造信息的理解，实现对未知热点的检测，为集成电路版图设计者提供及时有效的设计指导。此外，本发明还可以克服现有版图热点库的检测方法的局限性，避免了热点库检测阶段版图抽取版图特征的复杂预处理操作，同时版图热点判定时无需版图全局扫描，通过卷积网络判定候选框，减小预测计算量，可提高检测效率。
附图说明
图1是本发明一较佳实施方式的集成电路版图热点检测网络训练及热点检测方法的流程图。
图2是图1所示方法使用的三种卷积神经网络的关系示意图。
图3是图1所示方法输出的具有热点版图范围的热点版图检测结果。
图4是本发明一较佳实施方式的集成电路版图热点检测网络训练及热点检测系统的结构示意图。
图5是本发明一较佳实施方式的电子装置的结构示意图。
主要元件符号说明
集成电路版图热点检测网络训练及热点检测系统10
热点版图范围r
特征提取模块11
候选框提取模块12
分类与回归模块13
电子装置20
存储器21
处理器22
通信装置23
步骤s1-s5
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
下面将结合本发明具体实施方式中的附图，对本发明具体实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
以下所描述的实施方式仅仅是示意性的，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。系统权利要求中陈述的多个模块或装置也可以由同一个模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施方式及实施方式中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。
基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
请参阅图1，图1是本发明一较佳实施方式的集成电路版图热点检测网络训练及热点检测方法的流程图。所述集成电路版图热点检测网络训练及热点检测方法包括如下步骤s1-s6。
步骤s1，获取模型训练数据集，所述模型训练数据集包括热点版图与非热点版图。具体地，可以在测试或已知版图热点库中搜集大量的热点版图与大量的非热点版图作为模型训练数据集。
步骤s2，对所述模型训练数据集的热点版图进行数据增强以协调所述热点版图与非热点版图之间的差距。其中所述步骤s2可以包括对所述模型训练数据集的热点版图进行旋转、反射、及/或平移准换(但不以上述为限)以进行数据增强。
步骤s3，依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型。可以理解，所述步骤s3中主要进行特征模型的学习。在一种变更实施方式中，所述步骤s2也可以被省略，从而执行完步骤s1可以直接执行步骤s3。
步骤s4，依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型。可以理解，所述步骤s4中主要进行候选框模型的学习。
步骤s5，依据所述特征模型及所述候选框模型进行热点版图提取训练获得热点范围提取卷积神经网络，所述热点范围提取卷积神经网络包括热点范围模型。请参阅图2，图2是图1所示方法使用的三种卷积神经网络的关系示意图，由图2可知，所述热点范围提取卷积神经网络与所述候选框提取卷积神经网络共享所述特征提取卷积神经网络。可以理解，所述步骤s5中主要进行热点范围模型的学习。由上述描述可知，依据所述步骤s1-s5或者步骤s1、s3-s5即可完成本发明集成电路版图热点检测网络训练，即本发明集成电路版图热点检测网络训练方法可以包括所述步骤s1-s5或者步骤s1、s3-s5。
步骤s6，获取待检测的集成电路版图，依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图，依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型，依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。
其中，所述步骤s6的提供待检测的集成电路版图的步骤中，所述待检测的集成电路版图可以是以图片像素点的方式输入。
基于所述步骤s6，本发明集成电路版图热点检测网络训练及热点检测方法输出的热点版图检测结果可以如图3所示，其中图3所示的已检测的集成电路版图可以采用28纳米工艺，且所述已检测的集成电路版图的热点版图范围r可以用预定框(如黑色矩形框)进行标定，供用户查阅。可以理解，依据所述步骤s6即可完成本发明集成电路版图热点检测，即本发明集成电路版图的热点检测方法可以包括所述步骤s6。
相较于现有技术，本发明集成电路版图热点检测网络训练及热点检测方法、使用上述方法的电子装置及计算机可读存储介质、及集成电路版图热点检测网络训练及热点检测系统中，通过卷积神经网络充分发挥深度学习对复杂高维集成电路版图生产制造信息的理解，实现对未知热点的检测，为集成电路版图设计者提供及时有效的设计指导。
此外，所述检测步骤s6中，通过卷积神经网络获得热点检测结果，由于卷积神经网络均已经训练好，无需进行现有热点库的复杂的特征提取等预处理动作，也无需版图全局扫描即可判断候选框，可减小检测时的数据计算量，提高检测效率。
请参阅图4，图4是本发明一较佳实施方式的集成电路版图热点检测网络训练及热点检测系统的结构示意图。所述集成电路版图热点检测网络训练及热点检测系统10包括特征提取模块11、候选框提取模块12、及分类与回归模块13。
所述特征提取模块11用于获取具有热点版图与非热点版图的模型训练数据集以及依据所述模型训练数据集的热点版图与非热点版图进行特征提取训练获得特征提取卷积神经网络，所述特征提取卷积神经网络包括特征模型。即，所述特征提取模块11用于执行上述步骤s1、s2与s3、或者所述步骤s1与s3，由于前面已经对所述步骤s1、s2与s3、或者所述步骤s1与s3进行详细说明及描述，此处就不再赘述。
所述候选框提取模块12，用于依据所述特征模型进行候选框提取训练获得候选框提取卷积神经网络，所述候选框提取卷积神经网络包括候选框模型。即，所述候选框提取模块12用于执行上述步骤s4，由于前面已经对所述步骤s4进行详细说明及描述，此处就不再赘述。
所述分类与回归模块13用于依据所述特征模型及所述候选框模型进行热点版图提取训练获得具有热点范围模型的热点范围提取卷积神经网络、获取待检测的集成电路版图、依据所述特征提取卷积神经网络获得所述待检测的集成电路版图的特征图、依据所述候选框提取卷积神经网络获得所述待检测的集成电路版图的的候选框模型、以及依据所述热点范围提取卷积神经网络获得所述待检测的集成电路版图的热点检测结果。即，所述分类与回归模块13用于执行上述步骤s5及步骤s6，由于前面已经对所述步骤s5与本步骤s6进行详细说明及描述，此处就不再赘述。
可以理解，图4所示的模块11、12、13可以是指一种能够被计算机所执行并且能够完成固定功能的一系列计算机程序段。本发明提供的集成电路版图数据的存储与查询系统可应用于电子装置，所述电子装置可以为个人计算机pc(personalcomputer)、服务器、手机、平板等具有数据处理能力的电子设备。
请参阅图5，图5是本发明一较佳实施方式的电子装置的结构示意图。该实施方式的电子装置20是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，包括：存储器21、处理器22以及存储在所述存储器21中并可在所述处理器22上运行的计算机程序，例如集成电路版图数据的存储与查询系统的计算机程序。所述处理器22执行所述计算机程序时实现上述实施方式中的步骤，例如图1所示的步骤。或者，所述处理器22执行所述计算机程序时实现上述各装置实施方式中各装置及/或模块的功能。
示例性的，所述计算机程序可以被分割成一个或多个装置/模块，所述一个或者多个装置/模块被存储在所述存储器21中，并由所述处理器22执行，以完成本发明。所述一个或多个装置/模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子装置中的执行过程。例如，所述计算机程序可以被分割成图4所示的存储装置17与查询装置18，也可以被分割成所述第一获取模块11、存储模块12、第二获取模块13、写入模块14、第三获取模块15及查询模块16。
所述电子装置50可以是，但不限于任何一种可进行数据处理的电子产品，例如，pc、平板电脑、智能手机、个人数字助理(personaldigitalassistant，pda)。
所述存储器21可用于存储所述计算机程序和/或模块，所述处理器22通过运行或执行存储在所述存储器21内的计算机程序和/或模块，以及调用存储在存储器21内的数据，实现所述电子装置50的各种功能。所述存储器21可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(如上述集成电路版图数据的存储与查询系统的计算机程序)等；存储数据区可存储根据电子装置20的使用所使用及创建的数据(原始集成电路版图数据及目标集成电路版图数据)等。此外，存储器21可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述处理器22可以是中央处理模块(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述电子装置20的控制中心，利用各种接口和线路连接整个电子装置20的各个部分。
优选地，所述处理器22可调用所述存储器21中存储的程序代码以执行相关的功能。例如，图4中所述的各个模块是存储在所述存储器21中的程序代码，并由所述处理器22所执行，以实现本发明的集成电路版图热点检测网络训练及热点检测方法(例如实施方式中图1所示的集成电路版图热点检测网络训练及热点检测方法)。
所述电子装置20还可包括至少一个通信装置23以及至少一个通信总线。其中，所述通信总线用于实现处理器、存储器等组件之间的连接通信。其中所述通信装置23用于所述电子装置20与终端或其他电子装置通信等。
其中，所述通信装置23可以是有线通信装置也可以是无线通信装置。其中所述有线通信装置包括通信端口，例如通用串行总线(universalserialbus,usb)、控制器局域网(controllerareanetwork，can)、串行及/或其他标准网络连接、集成电路间(inter-integratedcircuit，i2c)总线等。所述无线通信装置可采用任意类别的无线通信系统，例如，蓝牙、红外线、无线保真(wirelessfidelity,wifi)、蜂窝技术，卫星，及广播。其中所述蜂窝技术可包括第二代(2g)、第三代(3g)、第四代(4g)或第五代(5g)等移动通信技术。
本领域技术人员可以理解，所述示意图仅仅是所述电子装置20的示例，并不构成对所述电子装置20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子装置20还可以包括输入输出设备、显示设备、拍摄设备等。
所述显示设备可以是触液晶显示屏(liquidcrystaldisplay,lcd)、发光二极管(lightemittingdiode，led)显示屏、有机电激光显示屏(organiclight-emittingdiode，oled)或其他适宜的显示屏。
所述输入输出设备可包括任意适宜的输入设备，包括但不限于，鼠标、键盘、触摸屏、或非接触式输入，例如，手势输入、声音输入等。
可以理解的是，上述实施方式中，所述电子装置20集成的装置/模块如果以软件功能装置/模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式所述方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上文方法实施方式所述方法的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施方式中，应该理解到，所揭露的方法和装置，也可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
对于本领域技术人员而言，显然本发明不限于上述示范性实施方式的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施方式看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。装置权利要求中陈述的多个装置/模块也可以由同一个装置/模块或系统通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施方式仅用以说明本发明的技术方案而非限制，尽管参照较佳实施方式对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。