于根据预设的最大进化代数判断进化是否结束，如果是，生成 当前种群对应的Pareto最佳解集，依据Pareto最佳解集进行决策并验证，如果否，更改所 述设计变量，依据更改后的所述设计变量生成所述初始种群中每个个体对应的电路网表， 所述电路网表代表新一代种群，直至生成当前种群对应的Pareto最佳解集，并依据Pareto 最佳解集进行决策并验证为止。
[0076] 与上述方法相对应，所述仿真模块50包括：
[0077] 良率计算单元51，所述良率计算单元51用于获取当前种群的训练点集（Y，X)，Y 为种群中每个个体观测点的良率的观测值，X为种群中每个个体观测点；
[0078] 依据所述训练点集（Y，X)由公式一计算得到良率的待预测值/的后验分布为
得到当前种群中每个个体的良率的待预测值 平均值P及其方差σ;，判断所述方差是否在允许误差范围之内，如果是，将所述良率 的待预测值y#作为良率估计值，如果否，则在当前种群中选择一个新的个体X %进行蒙特卡 罗分析得到被选择的新个体f的良率观测值y，把（X% y)加入训练点集（Y，X)，重新进行 预测，直至每个个体的所述良率的待预测值平均值的方差<均在允许误差范围之内，/为 良率的待预测值；
[0079] 其中，所述公式一为：
设良率观测值Y的先验 分布为高斯分布：Y~N(0, K(X，X))，K(X，X)为对称正定协方差矩阵，h为种群中待预测个 体的设计变量，he ,矩阵元)为种群中待预测个体的设计变量之间的相 关性，y#为种群中每个个体观测点上良率的待预测值。
[0080] 与上述方法相对应，所述仿真模块50还可以包括：
[0081] 训练点集选取模块52,所述训练点集选取模块52用于判断当前种群为第几代种 群；当所述种群为第一代种群时，在所述第一代种群的全部个体上进行蒙特卡罗分析，所述 第一代种群中的全部个体为当第一代种群的训练点集，将所述第一代种群的训练点集作为 当前种群的训练点集（Y，x);当所述种群为第Z代种群时，以第Z-I代种群的全部个体作为 当前种群的训练点集（Υ，X)。
[0082] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他 实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0083] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种模拟集成电路优化方法，其特征在于，包括： 获取初始电路网表和晶体管统计模型； 对所述初始电路网表和晶体管统计模型分析得到设计变量、优化目标及约束条件； 依据所述设计变量的范围随机产生初始种群； 更改所述设计变量，依据更改后的所述设计变量生成所述初始种群中每个个体对应的 电路网表，所述电路网表代表新一代种群； 通过采用电路级模拟程序对所述新一代种群进行仿真，得到所述新一代种群中各个个 体的电路性能指标，采用SPICE模型和高斯过程回归利用SPICE仿真器对新一代种群进行 蒙特卡罗分析估算得到良率估计值，所述良率估计值包括种群中每个个体观测点上良率的 待预测值； 依据所述电路性能指标和良率估计值采用进化算法对所述新一代种群进行进化得到 下一代种群； 根据预设的最大进化代数判断进化是否结束，如果是，生成当前种群对应的Pareto最 佳解集，依据Pareto最佳解集进行决策并验证，如果否，更改所述设计变量，依据更改后的 所述设计变量生成所述初始种群中每个个体对应的第一电路网表，所述第一电路网表代表 新一代种群，直至生成当前种群对应的Pareto最佳解集，并依据Pareto最佳解集进行决策 并验证为止。2. 根据权利要求1所述的模拟集成电路优化方法，其特征在于，所述采用SPICE模型和 高斯过程回归利用SPICE仿真器对新一代种群进行蒙特卡罗分析估算得到良率估计值，包 括： 获取当前种群的训练点集（Y，X)，Y为种群中每个个体观测点的良率的观测值，X为种 群中每个个体观测点； 依据所述训练点集（Y，X)由公式（1)计算得到群中每个个体观测点的良率的待预测 值y*的后验分布为进而确定当前种群中每个 个体观测点的良率的待预测值平均值户及其方差.<，判断所述方差是否在允许误差 范围之内，如果否，则在当前种群中选择一个新的个体X*，进行蒙特卡罗分析得到被选择的 新个体X*的良率观测值y，把（x*，y)加入训练点集（γ，χ)，重新进行预测，直至每个个体观测点的所述良率的待预测值平均值的方差均在允许误差范围之内，y*为良率的待预测 值； 其中，所述公式（1)为 ，设良率观测值Y的先验分 布为高斯分布：Y~N(0,K(X，X))，K(X，X)为对称正定协方差矩阵，，矩阵元λ??)为种群 中待预测个体的设计变量之间的相关性，y*为种群中每个个体观测点上良率的待预测值 ;，hh为种群中待预测个体的设计变量。3. 根据权利要求2所述的模拟集成电路优化方法，其特征在于，所述获取当前种群的 训练点集，包括： 判断当前种群为第几代种群； 当所述种群为第一代种群时，在所述第一代种群的全部个体观测点上进行蒙特卡罗分 析，所述第一代种群中的全部个体观测点为当第一代种群的训练点集，将所述第一代种群 的训练点集作为当前种群的训练点集（Y，X); 当所述种群为第Z代种群时，以第Z-1代种群的全部个体观测点作为当前种群的训练 点集（Y，X)。4. 一种模拟集成电路优化系统，其特征在于，包括： 采集模块，用于获取用户输入的初始电路网表和晶体管统计模型； 分析模块，用于对所述初始电路网表和晶体管统计模型分析得到设计变量、优化目标 及约束条件； 种群生成模块，用于依据所述设计变量的范围随机产生初始种群； 第一进化模块，用于更改所述设计变量，依据更改后的所述设计变量生成所述初始种 群中每个个体对应的电路网表，所述电路网表代表新一代种群； 仿真模块，用于通过采用电路级模拟程序对所述新一代种群进行仿真，得到所述新一 代种群中各个个体的电路性能指标，所述采用SPICE模型和高斯过程回归利用SPICE仿真 器对新一代种群进行蒙特卡罗分析估算得到良率估计值，所述良率估计值包括种群中每个 个体观测点上良率的待预测值； 第二进化模块，用于依据所述电路性能指标和良率估计值采用进化算法对所述新一代 种群进行进化得到下一代种群； 决策验证模块，用于根据预设的最大进化代数判断进化是否结束，如果是，生成当前种 群对应的Pareto最佳解集，依据Pareto最佳解集进行决策并验证，如果否，更改所述设计 变量，依据更改后的所述设计变量生成所述初始种群中每个个体对应的电路网表，所述电 路网表代表新一代种群，直至生成当前种群对应的Pareto最佳解集，并依据Pareto最佳解 集进行决策并验证为止。5. 根据权利要求4所述的模拟集成电路优化系统，其特征在于，仿真模块，包括： 良率计算单元，用于获取当前种群的训练点集（Y，X)，Y为种群中每个个体观测点的良 率的观测值，X为种群中每个个体观测点； 依据所述训练点集（Y，X)由公式一计算得到良率的待预测值y*的后验分布为得到当前种群中每个个体的良率的待预测值 平均值户及其方差.<，判断所述方差是否在允许误差范围之内，如果否，则在当前种 群中选择一个新的个体X*，进行蒙特卡罗分析得到被选择的新个体X*的良率观测值y，把 (X*，y)加入训练点集（Y，X)，重新进行预测，直至每个个体的所述良率的待预测值平均值 的方差 < 均在允许误差范围之内，y*为良率的待预测值；设良率观测值γ的先验分布 为高斯分布：Υ~Ν(0，Κ(Χ，Χ))，Κ(Χ，Χ)为对称正定协方差矩阵，h为种群中待预测个体 的设计变量，he_1#:2#...為.1，矩阵兀以.?)为种群中待预测个体的设计变量之间的相关 性，y*为种群中每个个体观测点上良率的待预测值。6.根据权利要求5所述的模拟集成电路优化系统，其特征在于，所述仿真模块，还包 括： 训练点集选取模块，用于判断当前种群为第几代种群；当所述种群为第一代种群时，在 所述第一代种群的全部个体上进行蒙特卡罗分析，所述第一代种群中的全部个体为当第一 代种群的训练点集，将所述第一代种群的训练点集作为当前种群的训练点集（Y，X);当所 述种群为第Z代种群时，以第Z-1代种群的全部个体作为当前种群的训练点集（Y，X)。
【专利摘要】本发明实施例公开了一种模拟集成电路优化方法和系统，所述方法通过采用电路级模拟程序对所述新一代种群进行仿真，得到所述新一代种群中各个个体的电路性能指标的同时，所述采用SPICE模型和高斯过程回归利用SPICE仿真器对新一代种群进行蒙特卡罗分析估算得到良率估计值；使得在种群进化过程中同时将电路的性能指标和良率作为约束条件参与到进化算法当中，从而解决了现有技术中最终决策时存在良率低的问题。
【IPC分类】G06F17/50
【公开号】CN105303008
【申请号】CN201510882946
【发明人】孙建伟, 陈岚, 王海永
【申请人】中国科学院微电子研究所
【公开日】2016年2月3日
【申请日】2015年12月3日