模拟电路生成方法、装置、设备、存储介质和程序产品

本技术涉及集成电路设计，特别是涉及一种模拟电路生成方法、装置、设备、存储介质和程序产品。

背景技术：

1、模拟电路生成指的是在集成电路的版图前设计（pre-layout）中，根据应用场景选择晶体管级的模拟电路结构并进行参数调整的过程。

2、相关技术中的模拟电路生成方法是将待生成的模拟电路对应的性能需求数据输入到大语言模型中，通过大语言模型（large language models，简称llms）得到待生成的模拟电路的电路结构和器件参数。

3、然而上述模拟电路生成方法占用的计算资源较多。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种减小计算资源占用的模拟电路生成方法、装置、设备、存储介质和程序产品。

2、第一方面，本技术提供了一种模拟电路生成方法，包括：

3、获取待生成的模拟电路对应的性能需求数据；

4、将性能需求数据输入到目标分类网络中，得到模拟电路对应的目标器件数量；

5、根据目标器件数量、性能需求数据和目标离散生成网络，得到模拟电路对应的目标电路拓扑，目标电路拓扑包括模拟电路对应的各器件的目标器件类型和各器件之间的目标连接关系；

6、根据性能需求数据、目标电路拓扑和目标连续生成网络，得到模拟电路对应的各器件的目标器件参数。

7、在其中一个实施例中，根据目标器件数量、性能需求数据和目标离散生成网络，得到模拟电路对应的目标电路拓扑，包括：

8、根据目标器件数量生成噪声电路拓扑，噪声电路拓扑包括噪声器件类型和噪声连接关系；

9、将性能需求数据、当前离散时间步和当前离散时间步对应的噪声电路拓扑输入至目标离散生成网络进行概率估计处理，得到当前离散时间步对应的器件类型概率分布和连接关系概率分布；

10、基于当前离散时间步对应的器件类型概率分布和连接关系概率分布，对当前离散时间步对应的噪声器件类型和噪声连接关系分别进行更新处理，得到下一个离散时间步对应的噪声器件类型和噪声连接关系；

11、迭代执行上述得到当前离散时间步对应的器件类型概率分布和连接关系概率分布和得到下一个离散时间步对应的噪声器件类型和噪声连接关系的过程，直到达到预设的结束离散时间步，将最后一个迭代过程得到的下一个离散时间步对应的噪声器件类型和噪声连接关系分别作为目标器件类型和目标连接关系。

12、在其中一个实施例中，根据性能需求数据、目标电路拓扑和目标连续生成网络，得到模拟电路对应的各器件的目标器件参数，包括：

13、根据目标电路拓扑生成噪声电路数据，噪声电路数据包括目标电路拓扑和噪声器件参数；

14、将性能需求数据、当前连续时间步和当前连续时间步的噪声电路数据输入到目标连续生成网络中进行噪声预测处理，得到当前连续时间步对应的预测噪声；

15、基于当前连续时间步对应的预测噪声对当前连续时间步对应的噪声器件参数进行去噪处理，得到下一个连续时间步对应的噪声器件参数；

16、迭代执行上述得到当前连续时间步对应的预测噪声和得到下一个连续时间步对应的噪声器件参数的过程，直至达到预设的结束连续时间步长，将最后一个迭代过程得到的下一个时间步对应的噪声器件参数作为目标器件参数。

17、在其中一个实施例中，方法还包括：

18、获取初始多层感知机网络、多个样本性能数据和各样本性能数据分别对应的样本器件数量；

19、利用多个样本性能数据和各样本性能数据分别对应的样本器件数量对初始多层感知机网络进行迭代训练，得到目标分类网络；

20、其中，针对每次迭代训练过程，将样本性能数据输入到中间多层感知机网络中，得到中间器件数量，根据中间器件数量和样本性能数据对应的样本器件数量调整中间多层感知机网络的网络参数。

21、在其中一个实施例中，方法还包括：

22、获取初始离散去噪扩散网络、多个样本性能数据和各样本性能数据分别对应的样本电路拓扑；

23、利用多个样本性能数据和各样本性能数据分别对应的样本电路拓扑对初始离散去噪扩散网络进行迭代训练处理，得到目标离散生成网络；

24、其中，针对每次迭代过程，通过转移概率矩阵修改样本性能数据对应的样本器件类型和样本连接关系的概率分布，得到加噪后电路拓扑，基于加噪后电路拓扑、样本性能数据和中间离散去噪扩散网络，得到中间电路拓扑，根据中间电路拓扑和样本性能数据对应的样本电路拓扑调整中间离散去噪扩散网络的网络参数。

25、在其中一个实施例中，方法还包括：

26、获取初始连续去噪扩散网络、多个样本性能数据和各样本性能数据分别对应的样本电路数据，样本电路数据包括样本电路拓扑和样本器件参数；

27、利用多个性能样本数据和各样本性能数据分别对应的样本电路数据对初始连续去噪扩散网络进行迭代训练，得到目标连续生成网络；

28、其中，针对每次迭代过程，对样本性能数据对应的样本电路数据中的样本器件参数进行连续噪声扩散处理，得到加噪后电路数据，基于加噪后电路数据、样本性能数据和中间连续去噪扩散网络，得到中间电路数据，根据中间电路数据中的中间器件参数和样本性能数据对应的样本器件参数调整中间连续去噪扩散网络的网络参数。

29、第二方面，本技术还提供了一种模拟电路生成装置，包括：

30、需求获取模块，用于获取待生成的模拟电路对应的性能需求数据；

31、第一网络模块，用于将所述性能需求数据输入到目标分类网络中，得到所述模拟电路对应的目标器件数量；

32、第二网络模块，用于根据所述目标器件数量、所述性能需求数据和目标离散生成网络，得到所述模拟电路对应的目标电路拓扑，所述目标电路拓扑包括所述模拟电路对应的各器件的目标器件类型和所述各器件之间的目标连接关系；

33、第三网络模块，用于根据所述性能需求数据、所述目标电路拓扑和目标连续生成网络，得到所述模拟电路对应的各器件的目标器件参数。

34、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面提供的方法所述的步骤。

35、第四方面，本技术还提供了一种计算机可读存储介质，其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如第一方面提供的方法所述的步骤。

36、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面提供的方法所述的步骤。

37、上述模拟电路生成方法、装置、设备、存储介质和程序产品，通过获取待生成的模拟电路对应的性能需求数据；将性能需求数据输入到目标分类网络中，得到模拟电路对应的目标器件数量；根据目标器件数量、性能需求数据和目标离散生成网络，得到模拟电路对应的目标电路拓扑，目标电路拓扑包括模拟电路对应的各器件的目标器件类型和各器件之间的目标连接关系；根据性能需求数据、目标电路拓扑和目标连续生成网络，得到模拟电路对应的各器件的目标器件参数。这样，本实施例中将模拟电路通过电路拓扑和器件参数两部分进行表述，可以全面且准确地表达电路信息；通过三个串联的神经网络依次获取的待生成的模拟电路对应的目标器件数量、离散的目标电路拓扑和连续的目标器件参数，各神经网络分工明确，避免相关技术中通过大语言模型生成模拟电路的方式时，需要将模拟电路的电路网表等图结构数据转换成自然语言形式来表示模拟电路导致的冗余信息较多，表示效率较低，需要大量的模型参数，使得模型规模较大，处理生成任务时需要占用较多的计算资源；本实施例提供的模拟电路生成方法无需将电路结构编码为自然语言再处理，减少网络参数消耗，同时生成网络可以直接在图结构上操作，处理过程仅关注电路相关信息，精简参与处理的网络的模型规模，减小计算资源的占用。