-
公开(公告)号：CN117436224A
公开(公告)日：2024-01-23
申请号：CN202210810901.1
申请日：2022-07-11
Applicant: 复旦大学
IPC: G06F30/20 , G06N7/01 , G06F111/04 , G06F111/08
Abstract: 本发明属于集成电路技术领域，涉及一种基于偏好学习模型的模拟电路成品率优化方法。本方法中采用多尺度采样方法，逐渐提高工艺参数分布的标准差σ并执行成品率分析，通过放大不同设计点成品率之间的差距，更容易分辨设计点成品率的高低；采用基于偏好学习的高斯过程分类GPC模型对设计点间多尺度采样成品率的比较结果建模；采用偏好贝叶斯优化框架对GPC模型进行优化，利用汤普森采样获取函数平衡优化过程中的利用和探索，寻找在成品率比较中获胜概率最大的设计点；采用多置信度建模方法对不同工艺参数标准差下的成品率进行建模，进一步提高汤普森采样获取函数的准确度。本方法能够大幅减少模拟电路成品率优化所需的仿真次数。
-
公开(公告)号：CN115994506A
公开(公告)日：2023-04-21
申请号：CN202111221880.1
申请日：2021-10-20
Applicant: 复旦大学
IPC: G06F30/3312 , G06F30/398
Abstract: 本发明属集成电路技术领域，涉及集成电路可靠性设计中电路时序的老化效应分析，尤其是一种针对数字集成电路时序老化的快速分析方法。本发明中由输入的电路时序路径构建电路图，针对每一种类型的延时单元引入一个老化因子；采用基于Endpoint的关键路径选择方案挑选合适的时序路径构成集合；对该时序路径集合中的每条路径进行基于查表的老化时序分析，建立超定方程的老化时序拟合问题；并利用基于随机Kaczmarz算法高效求解该最小二乘问题，从而获得每种延迟单元的老化因子，最终快速获得所有路径的老化时序的预测结果。实验结果表明，本发明的方法相比工业界传统的电路时序老化分析方法提速7～10倍。
-
公开(公告)号：CN112951419B
公开(公告)日：2021-09-14
申请号：CN202011252230.9
申请日：2020-11-11
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供一种血液透析干体重智能评估装置，用于对待血透患者在进行血液透析时所需的干体重进行评估，其特征在于，包括：体重整体趋势模型构建部，建立对应血透时间点与差分透后体重的关系的线性模型，并基于最小二乘法解出线性模型的最优参数形成待血透患者个人的体重整体趋势模型；局部回归模型构建部，基于高斯核函数方法获取待权重的数据集并对体重整体趋势模型进行局部回归校正从而形成体重局部回归模型；干体重预测部，将当次血透时间点输入体重整体趋势模型以及局部回归模型，并结合当次透后体重指数平均数得到预测干体重；以及干体重调整部，根据与患者的患者特征相对应的校正因子对预测干体重进行调整从而得到待血透患者的干体重。
-
公开(公告)号：CN112951419A
公开(公告)日：2021-06-11
申请号：CN202011252230.9
申请日：2020-11-11
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供一种血液透析干体重智能评估装置，用于对待血透患者在进行血液透析时所需的干体重进行评估，其特征在于，包括：体重整体趋势模型构建部，建立对应血透时间点与差分透后体重的关系的线性模型，并基于最小二乘法解出线性模型的最优参数形成待血透患者个人的体重整体趋势模型；局部回归模型构建部，基于高斯核函数方法获取待权重的数据集并对体重整体趋势模型进行局部回归校正从而形成体重局部回归模型；干体重预测部，将当次血透时间点输入体重整体趋势模型以及局部回归模型，并结合当次透后体重指数平均数得到预测干体重；以及干体重调整部，根据与患者的患者特征相对应的校正因子对预测干体重进行调整从而得到待血透患者的干体重。
-
公开(公告)号：CN112241781A
公开(公告)日：2021-01-19
申请号：CN201910641263.3
申请日：2019-07-16
Applicant: 复旦大学
Abstract: 本发明属于深度学习方法领域，涉及一种非线性卷积神经网络结构优化方法及装置。该方法通过向普通卷积层加入二阶卷积单元，增加卷积层的非线性增强网络的性能，并通过使用不满秩的二阶卷积核和基于遗传算法的层筛选算法，降低优化后网络结构的计算和存储开销，提升算法的效率。应用该方法的装置包括输入单元、输出单元、程序存储单元、外部总线、内存、存储管理单元、输入输出桥接单元、系统总线、神经网络加速器和处理器；在程序存储单元存储实现本发明的优化方法程序。本发明对深度卷积神经网络进行结构优化，获得更高的性能且不增加多运行时间，还用更浅的网络结构达到比原网络结构优性能和效率。
-
Patent Agency Ranking
公开(公告)号：CN110046365A
公开(公告)日：2019-07-23
申请号：CN201810041728.7
申请日：2018-01-16
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属于集成电路可制造性设计中静态随机存储电路良率分析领域，具体采用一种通用帕累托和高斯联合分布作为实际采样分布函数族，通过最小化实际采样分布和理想采样分布之间的交叉熵，从而获得最优的实际采样分布参数。使用优化后的实际采样分布进行采样计算SRAM失效率，能够大幅减小采样点数，提高采样效率。本发明的关键是提出采用通用帕累托和高斯混合分布为采样分布函数族；并针对该分布的参数优化问题，提出了一个迭代策略，不断地进行采样、更新实际分布参数、计算失效率，直到失效率满足精度要求。实验结果表明，本发明提出的方法明显优于目前现有技术的方法。
-
公开(公告)号：CN109992810A
公开(公告)日：2019-07-09
申请号：CN201810005018.9
申请日：2018-01-03
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属于集成电路技术领域，涉及一种基于无环约束半定规划松弛的模拟电路建模及优化方法，包括：步骤1，采用晶体管级仿真器得到训练样本；步骤2，建立满足无环图约束的电路性能稀疏多项式模型；步骤3，根据稀疏多项式模型将原始的模拟电路优化问题转化为半定规划松弛问题进行求解；步骤4，根据半定规划松弛结果计算得到原始电路设计参数的最优值。应用本发明的方法，能够在有限的内存资源和计算时间内，得到含有数十个设计参数的模拟电路的全局最优设计。
-
公开(公告)号：CN109960834A
公开(公告)日：2019-07-02
申请号：CN201711422893.9
申请日：2017-12-25
Applicant: 复旦大学
Abstract: 本发明属集成电路设计中模拟电路参数自动优化设计领域，具体涉及一种基于高斯过程模型的多目标贝叶斯优化方法。本发明方法在每次迭代中，对每个性能指标构建高斯过程模型，进而构建低置信区间函数，通过对低置信区间函数的多目标优化选择下一次进行电路仿真的点。相对目前国际上的主流方法，本发明方法能大幅减小电路仿真次数，获得高精度的帕累托前沿。
-
公开(公告)号：CN105320782B
公开(公告)日：2019-06-21
申请号：CN201410268380.7
申请日：2014-06-16
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属半导体可制造性设计领域，具体涉及一种考虑研磨液影响的特征尺寸级化学机械抛光工艺仿真方法，该方法采用微小粒子表征化学机械抛光中的工艺材料，用NS流体力学方程表述粒子间相互作用，通过光滑化粒子流体动力学方法进行计算获得抛光仿真结果。本发明不依赖经验模型，只需根据工艺材料参数即可完成仿真，具有普适性强的优点。同时，仿真过程模拟抛光垫、抛光液、抛光颗粒与硅片之间实际物理过程，精度高。本发明可以对各类工艺条件进行有效仿真，为化学机械抛光工艺流程优化提供有效参考。
-
公开(公告)号：CN109145318A
公开(公告)日：2019-01-04
申请号：CN201710454591.3
申请日：2017-06-15
Applicant: 复旦大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F17/5081
Abstract: 本方法属于集成电路技术领域，涉及考虑重复单元相关性的系统失效率非线性估计方法，具体涉及一种考虑重复单元失效事件相关性的全系统失效率非线性快速估计方法，其包括步骤：估计低阶同步失效率；构造同步失效率的非线性模型，并根据已得到的低阶同步失效率，计算模型稀疏；根据非线性模型计算高阶同步失效率；和采用基于查找表的误差修正算法，根据同步失效率，估计全系统的失效率。经实验证实，应用本发明的方法，能够在进行系统性能的分析时充分考虑重复单元失效的相关性，并通过建立系统失效率的非线性模型，在不增加测试和计算成本的前提下，有效提高失效率的估计精度。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.041 seconds)
