一种集成电路的调整方法、装置、存储介质及终端设备与流程

1.本技术涉及集成电路技术领域，特别涉及一种集成电路的调整方法、装置、存储介质及终端设备。


背景技术：

2.电子设计自动化(electronic design automation，eda)被广泛应用于电路设计领域，通过电子设计自动化使得电路的设计更加高效。然而，在tft电路设计领域，在tft版图设计的过程普遍需要专业人员操作软件进行绘图，这使得tft电路设计对人力依赖大，从而造成生产效率低。


技术实现要素：

3.本技术要解决的技术问题在于，针对现有技术的不足，提供一种集成电路的调整方法、装置、存储介质及终端设备。
4.为了解决上述技术问题，本技术实施例第一方面提供了一种集成电路的调整方法，所述方法包括：
5.获取集成电路对应的特征信息，其中，所述特征信息包括集成电路的电路版图对应的位置参量以及集成电路对应的光电特性信息；
6.基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路。
7.所述的光电特性的获取方法，其中，所述基于所述特征信息确定集成电路对应的目标位置参量具体包括：
8.获取所述位置参量对应的参考位置参量，其中，所述参考位置参量的维度低于所述位置参量的维度；
9.基于所述光电特性及所述参考位置参量，确定所述参考位置参量对应的优化位置参量，其中，所述优化位置参量的维度等于所述参考位置参量的维度；
10.基于所述优化位置参量，确定所述位置参量对应的目标位置参量。
11.所述的光电特性的获取方法，其中，所述基于所述光电特性及所述参考位置参量，确定所述参考位置参量对应的优化位置参量具体包括：
12.获取所述集成电路对应的目标函数，并基于所述目标函数确定所述光电特征对应的目标值；
13.基于所述目标值，采用贝叶斯优化器对所述参考位置参量进行优化，以得到优化位置参量。
14.所述的光电特性的获取方法，其中，所述基于所述优化位置参量，确定所述位置参量对应的目标位置参量具体包括：
15.将所述优化位置参量输入经过训练的第三网络模型，通过所述第三网络模型输出所述位置参量对应的目标位置参量。
16.所述的光电特性的获取方法，其中，所述检测网络模型包括级联的第一网络模型和第二网络模型；所述第一网络模型的输入项为第一高维位置参量，输出项为第一低维位置参量；所述第三网络模型的输入项为第二低维位置参量，输出项为第二高维位置参量，并且所述第一高维位置参量的维度与第二高维位置参量的维度相等，第一低维位置参量的维度与第二低维位置参量的维度相等。
17.所述的光电特性的获取方法，其中，所述第三网络模型的训练过程具体包括：
18.将训练样本中的每个集成电路对应的第一位置参量输入经过训练的第一网络模型，通过第一网络模型输出第二位置参量，其中，所述第一网络模型与所述第二网络模型为联合训练的；
19.将所述第二位置参量输入预设网络模型，通过所述预设网络模型输出第三位置参量；
20.基于所述第一位置参量和所述第三位置参量，对所述预设网络模型进行训练，以得到第三网络模型。
21.所述的光电特性的获取方法，其中，所述基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路之后，所述方法还包括：
22.获取所述目标位置参量对应的目标光电特性，并保存所述目标位置参量与目标光电特性构成的电路参数。
23.所述的光电特性的获取方法，其中，所述获取所述目标位置参量对应的目标光电特性，并保存所述目标位置参量与目标光电特性构成的电路参数之后，所述方法还包括：
24.基于预设的期望光电特性，在预存的若干电路参数中选取所述期望光电特性对应的目标电路参数；
25.基于所述目标电路参数中的目标位置参量，确定所述期望光电特性对应的集成电路。
26.所述的光电特性的获取方法，其中，基于预设的期望光电特性，在预存的若干电路参数中选取所述期望光电特性对应的目标电路参数具体包括：
27.获取所述期望光电特性对应的权重系数集，其中，所述权重系数集包括期望光电特性中的各光电参数各自对应的权重系数；
28.基于所述期望光电特性及所述权重系数集，在所述若干电路参数中选取目标电路参数。
29.所述的光电特性的获取方法，其中，所述预存的若干电路参数以kd树形式存储。
30.所述的光电特性的获取方法，其中，所述基于所述期望光电特性及所述权重系数集，在所述若干电路参数中选取目标电路参数具体包括：
31.基于期望光电特性对若干电路参数进行kd树搜索，以得到期望光电特性对应的目标电路参数，其中，所述kd树搜索在回溯过程中的节点光电特性的搜索范围是基于所述节点光电特性、期望光电特性及所述权重系数集确定的。
32.所述的光电特性的获取方法，其中，所述集成电路为tft电路。
33.本技术实施例第二方面提供了一种集成电路的调整装置，所述调整装置包括：
34.第一获取模块，用于获取集成电路对应的特征信息，其中，所述特征信息包括集成电路的电路版图对应的位置参量以及集成电路对应的光电特性信息；
35.第一确定模块，用于基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路。
36.本技术实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的集成电路的调整方法中的步骤。
37.本技术实施例第四方面提供了一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
38.所述通信总线实现处理器和存储器之间的连接通信；
39.所述处理器执行所述计算机可读程序时实现如上任一所述的集成电路的调整方法中的步骤。
40.有益效果：与现有技术相比，本技术提供了一种集成电路的调整方法、装置、存储介质及终端设备，所述方法包括获取集成电路对应的特征信息，所述特征信息包括集成电路的电路版图对应的位置参量以及集成电路对应的光电特性信息；基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路，这样基于光电特性自动调整位置参数，以实现自动调整电路版图，从而可以提高电路版图的设计效率，从而可以提高集成电路的生产效率。
附图说明
41.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员而言，在不符创造性劳动的前提下，还可以根据这些附图获得其他的附图。
42.图1为本技术提供的集成电路的调整方法的现有方法的一个示例图。
43.图2为本技术提供的集成电路的调整方法的流程图。
44.图3为tft电路的示例图。
45.图4为tft电路中的子像素结构的示例图。
46.图5为tft电路中的子像素结构中的一个元器件的位置参量的示例图。
47.图6为本技术提供的集成电路的调整方法的位置参量调整过程的一个示例图。
48.图7为本技术提供的集成电路的调整方法的若干参考位置参量获取过程的一个示例图。
49.图8为本技术提供的集成电路的调整方法的位置参量调整过程的一个示例图。
50.图9为本技术提供的集成电路的调整方法中的目标光电特征的获取过程的一个示例图。
51.图10为本技术提供的集成电路的调整方法中的目标光电特征的获取过程的一个示例图。
52.图11为本技术提供的集成电路的调整装置的结构原理图。
53.图12为本技术提供的终端设备的结构原理图。
具体实施方式
54.本技术提供一种集成电路的调整方法、装置、存储介质及终端设备，为使本技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本技术进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
55.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
56.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。应理解，本实施例中各步骤的序号和大小并不意味着执行顺序的先后，各过程的执行顺序以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
57.经发明人发现，电子设计自动化(electronic design automation，eda)被广泛应用于电路设计领域，通过电子设计自动化使得电路的设计更加高效。然而，如图1所示，在tft电路设计领域，在tft版图设计的过程普遍需要专业人员操作软件进行绘图，这使得tft电路设计对人力依赖大，从而造成生产效率低。
58.为了解决上述问题，在本技术实施例中，获取集成电路对应的特征信息，基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路，这样基于光电特性自动调整位置参数，以实现自动调整电路版图，从而可以提高电路版图的设计效率，从而可以提高集成电路的生产效率。
59.举例说明，本技术实施例可以应用到通过终端设备设计tft电路的电路版图的场景。在该场景中，终端设备可以确定需要设计的tft电路，并获取该tft电路对应的电路版图；在获取到电路版图后，基于该电路版图确定所述集成电路对应的位置参量；基于经过训练的检测网络模型以及所述位置参量，确定所述集成电路对应的光电特性，以得到集成电路对应的特征信息，基于所述特征信息确定所述位置参量对应的调整参量；基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路。
60.可以理解的是，在上述应用场景中，虽然将本技术实施方式的动作描述为全部由终端设备执行的，但是这些动作也可以部分由终端设备执行，部分由终端设备连接的服务器执行。例如，终端设备获取到集成电路对应的电路版图后，将电路版图输入服务器，以使得服务器获取到该电路版图。服务器可以响应终端设备的输入的电路版图，基于该电路版图确定所述集成电路对应的位置参量；基于经过训练的检测网络模型以及所述位置参量，确定所述集成电路对应的光电特性，以得到集成电路对应的特征信息，基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路。由
此，本技术在执行主体方面不受限制，只要执行了本技术实施方式所公开的动作即可。
61.需要注意的是，上述应用场景仅是为了便于理解本技术而示出，本技术的实施方式在此方面不受任何限制。相反，本技术的实施方式可以应用于适用的任何场景。
62.下面结合附图，通过对实施例的描述，对申请内容作进一步说明。
63.本实施提供了一种集成电路的调整方法，如图2和图8所示，所述方法包括：
64.s10、获取集成电路对应的特征信息。
65.具体地，所述集成电路可以为芯片集成电路，也可以为显示面板的集成电路，还可以是像素单元的集成电路。在本实施例的一个实现方式中，所述集成电路为tft电路，所述tft电路用于制作tft背板。例如，如图3所示，所述tft电路可以包括goa(gate driver on array，闸极驱动电路基板)和若干像素，若干像素中的每个像素均包括三个子像素单元，分别为r像素单元、g像素单元以及b像素单元，其中，如图4所示，子像素单元可以包括电路元件以及连接线，电路元件可以包括电容、tft晶体管以及发光二极管等，连接线可以包括扫面线和数据线等。
66.所述特征信息包括集成电路的的电路版图对应的位置参量以及集成电路对应的光电特性。所述位置参量为所述电路版图的参数化表示，通过该位置参量可以确定电路版图包括的各元器件，各元器件之间的相对位置关系，以及各元器件在电路版图中的位置信息等。换句话说，所述位置参量为用于表示所述电路版图的参数向量，基于所述位置参量可以绘制出所述电路版图。所述光电特性用于反映电路版图对应的驱动电路的光电性质，其中，所述光电特性可以包括开口率、充电率以及最大电压等。
67.所述电路版图用于将集成电路的电路设计映射到物理描述层面，从而可以将集成电路映射到晶圆上生产，其中，电路版图包含集成电路中的元器件类型，元器件尺寸，元器件之间的相对位置以及各个器件之间的连接关系等相关物理信息。所述集成电路的电路版图可以为预先自动生成的，也可以是版图设计师手动设计的。在本实施例的一个实现方式中，所述电路版图为自动生成的，其生成过程可以为：确定需要设计的集成电路，并获取该集成电路对应的若干元器件以及各元器件之间的相对位置关系，基于该相对位置关系生成该集成电路的电路版图。
68.在本实施例的一个实现方式中，所述位置参量可以是预先获取并存储于终端设备本地，或者是，外部设备发送给终端设备，或者是，通过云端获取低，或者是，终端设备基于集成电路对应的电路版图确定的。在本实施例的一个实现方式中，所述特征信息为终端设备基于集成电路对应的电路版图确定的，相应的，所述获取集成电路对应的特征信息具体包括：
69.a10、获取集成电路对应的电路版图。
70.a20、识别所述电路版图中的元器件的区域信息。
71.a30、基于获取到的区域信息确定所述电路版图的位置参量；
72.a40、基于所述位置信息，确定所述集成电路对应的光电特性，以得到所述集成电路对应的特征信息。
73.具体地，所述元器件为用于形成所述电路版图的器件，其中，所述元器件可以包括金属层、tft晶体管、电容以及ito膜等。所述区域信息用于定位所述元器件，通过所述区域信息可以确定元器件在电路版图中所处的位置区域以及所述元器件的元器件类型。可以理
解的是，所述区域信息包括元器件的定位信息、尺寸信息以及类别信息，所述定位信息用于反映元器件在电路版图中的位置，所述尺寸信息用于反映元器件的尺寸大小，所述类别信息用于反映所述元器件的器件类别。例如，尺寸信息为该元器件对应的识别区域的高度和宽度，所述位置信息为元器件对应的识别区域的中心与面板图像的图像中心之间的距离等。当然，在实际应用中，所述位置信息还可以采用其他方式确定的，例如，元器件对应的识别区域的中心点到面板图像左上角的距离，元器件对应的识别区域的左上角到面板图像左上角的距离等。所述尺寸信息可以为采用其他方式确定的，例如，元器件对应的识别区域的周长，元器件对应的识别区域的面积等。
74.基于此，在本实施例的一个实现方式中，所述区域信息可以采用一个电路参数的形式，该电路参数中包括三个数据项，分别为定位信息、尺寸信息以及类别信息。例如，区域信息为{(100,100)，(20,30)，电容}，(100,100)表示元器件中的定位点在电路版图对应的坐标系中的坐标信息，(20,30)中的20可以表示元器件对应的矩形区域的宽度，30可以表示元器件对应的矩形区域的宽度，电容表示元器件的器件类型为电容。此外，所述矩形区域指的是包含该元器件的最小矩形。当然，值得说明的是，这里的矩形区域仅是一个例子，其还可以是圆形，椭圆形、三角形、正五边形等等，并且当形状不同时，尺寸信息的表现形式也不同，这里不一一说明，仅给一个例子加以说明，例如，当元器件对应的为圆形区域时，区域信息可以为圆形坐标以及圆形半径。
75.在本实施例的一个实现方式中，所述识别所述电路版图中的元器件的区域信息具体包括：
76.将所述电路版图输入经过训练的识别网络模型；
77.通过所述识别网络模型确定所述电路版图中的元器件的区域信息。
78.具体地，所述识别网络模型可以为预先训练的，用于识别电路版图中的各元器件的区域信息的网络模型。可以理解的是，所述识别网络模型为预先经过训练的网络模型，所述识别网络模型的输入项为电路版图，所述识别网络模型的输出项为区域信息，当电路版图中包括一个元器件时，区域信息为一个，当电路版图中包括多个元器件时，区域信息为多个，并且多个区域信息与多个元器件一一对应。例如，电路版图包括元器件a和元器件b，那么识别网络模型输出的区域信息包括区域信息a和区域信息b，其中，区域信息a与元器件a相对应，用于定位元器件a，区域信息b与元器件b相对应，用于定位元器件b。
79.在本实施例的一个实现方式中，所述基于获取到的区域信息确定所述电路版图的位置参量具体包括：
80.对于电路版图中的每个元器件，获取该元器件对应的基准部件；
81.以所述基准部件为参照，基于该元器件的区域信息确定该元器件对应的子位置参量；
82.基于获取到的所有子位置参量，确定所述电路版图的位置参量。
83.具体地，所述基准部件为该元器件的参照物，用于确定元器件与该基准部件之间的相对位置关系，例如，该元器件与基准部件之间的距离，该元器件的边缘与该基准部件的边缘之间的距离，该元器件相对于该基准部件的倾斜角度等等。所述基准部件可以基于获取到的各元器件各自对应的区域信息来确定的，也可以是基于预先设置的元器件位置关系列表所确定的，其中，元器件位置关系列表可以存储该电路版图包括的所有元器件之间的
位置关系，例如，电路版本包括元器件a和元器件b，元器件位置关系列表中元器件a和元器件b相邻等。
84.在本实施例的一个实现方式中，所述基准部件为基于获取到的各元器件各自对应的区域信息来确定的，其获取过程具体可以为：在获取到各元器件对应的区域信息后，基于区域信息在所有元器件中选取位于该元器件周围的候选元器件，并将获取到所有候选元器件作为该元器件的基准部件。这样可以根据获取到的区域信息自动确定元器件对应的基准部件，从而可以提高电路版图参数化的速度。
85.在本实施例的一个实现方式中，所述基准部件为基于预先设置的元器件位置关系列表所确定的，其确定过程具体可以包括：对于每个元器件，在元器件位置关系列表中选取该元器件所关联的各候选元器件，并将选取到所有候选元器件作为该元器件对应的基准部件。这样通过预先设置的元器件位置关系列表确定基准部件，可以避免因区域信息存在误差而造成的基准部件错误的问题，从而可以提高基准部件的准确性。
86.所述子位置参量用于反映元器件自身的尺寸信息以及该元器件与基准部件之间的位置信息，通过该子位置参量可以确定该元器件的大小以及该元器件与基准部件的距离等。由此，所述子位置参量用于反映该元器件的若干属性，若干属性包括该该元器件的大小以及该元器件与基准部件的距离等。相应的，所述子位置参量包括若干位置参量项，若干位置参量项与若干属性一一对应，每个位置参量项的值为其对应属性的属性值。所述若干属性为基于电路版图的设计规则而确定的，例如，线宽规则：版图中多边形的最小宽度；最大(最小)尺寸限制：多边形的宽度或长度；间距规则：多边形之间的最小距离；包围规则：一层与另一层线条之间交叠并将其包围的最小尺寸；交叠规则：两层之间交叠的最小尺寸；最小面积规则：满足以上基本要求的前提下，尽量保证版图面积最小。
87.基于此，在获取到元器件对应的基准部件后，按照电路版图的规则确定该元器件对应的子位置参量所包括的位置参量项，并根据区域信息依次计算各位置参量项对应的参数值，以得到该元器件对应的子位置参量。例如，集成电路为tft子像素电路，该tft子像素电路中的电容是一个带切角的矩形，电容对应的基准部件为tft以及基板底边缘，那么该电容对应的子位置参量可以包括矩形长度、矩阵宽度、与基板底边缘之间的距离、与tft的距离以及切角区域大小等。
88.举例说明：如图5所示，tft子像素电路中的一电容，该电容对应的子位置参量包括12个位置参量项，分别为图中的距离a，b，c，d，e，f，g，h、i，j,k以及l，那么所述该电容对应的子位置参量可以表示为(a，b，c，d，e，f，g，h，i，j，k，l)。
89.在本实施例的一个实现方式中，所述子位置参量为子位置向量；所述基于获取到的所有子位置参量，确定所述电路版图的位置参量具体包括：
90.将各子位置参量拼接以得到所述电路版图的位置参量。
91.具体地，所述位置参量为由各子位置参量拼接而成的，所述位置参量的维度等于各子位置参量的维度之和，例如，电路版图对应的子位置参量包括子位置参量a和子位置参量b，位置参量a为(a1，a2)和子位置参量b为(b1，b2)，那么所述位置参量为(a1，a2，b1，b2)。此外，为了确定拼接得到的位置参量中的各位置参量项所对应的元器件，所述位置参量中的各位置参量项可以配置有其对应元器件的元器件类别，其中，所述元器件类别可以作为子位置参量中的各位置参量项的角标，也可与作为子位置参量中的各位置参量项的后缀、
还可以作为子位置参量中的各位置参量项的前缀等。
92.在本实施例的一个实现方式中，所述光电特性为基于经过训练的检查网络模型确定得到。相应的，所述基于所述位置信息，确定所述集成电路对应的光电特性，以得到所述集成电路对应的特征信息具体为；
93.将所述位置信息输入所述检测网络模型，通过所述检测网络模型输出所述集成电路对应的光电特性。
94.具体地，所述检测网络模型为预先经过训练的，用于确定所述集成电路对应的光电特性。可以理解的是，所述检测网络模型用于将所述位置参量转换为光电特性，相应的，所述检测网络模型的输入项为所述位置参量，所述检测网络模型的输出项为光电特性，其中，所述光电特性可以包括开口率、充电率、rc、lcs、电压偏离bestvcom、馈通feedthrough以及充电时间等。
95.在本实施例的一个实现方式中，所述检测网络模型包括第一全连接模块、变换模块以及第二全连接模块，所述基于经过训练的检测网络模型以及所述位置参量，确定所述集成电路对应的光电特性具体包括：
96.将所述位置参量输入第一全连接模块，通过所述第一全连接模块输出第一特征向量；
97.将所述第一特征向量输入变换模块，通过所述变换模块输出第二特征向量，其中，所述第一特征向量的维度与所述第二特征向量的维度相等；
98.将所述第二特征向量输入第二全连接模块，通过所述第二全连接模块输出所述集成电路对应的光电特性。
99.具体地，所述第一全连接模块用于对位置参量进行线性变换，以对所述位置参量进行降维。所述第一特征向量为位置参量经过第一全连接模块进行线性变换得到的低维向量，相应的，所述第一特征向量的向量维度小于位置参量的向量维度，其中，所述位置参量的向量维度的取值范围可以为50-500，第一特征向量的向量维度的取值范围可以为5-500。在一个具体实现方式中，所述位置参量的向量维度的取值范围可以为50-100，第一特征向量的向量维度的取值范围可以为5-50，例如，所述位置参量的向量维度为100，所述第一特征向量的向量维度为50等。
100.所述变换模块用于将第一特性向量转换为第二特性向量，并且第二特征向量的向量维度与第一特征向量的向量维度相等，例如，第一特征向量的向量维度为50，那么第二特征向量的向量维度为50。在本实施例的一个实现方式中，所述变换模块可以采用sigmoid函数以及tanh函数等。所述第二全连接层的输出项为光电特性，所述第二全连接层的输出项的维度可以根据实际应用需求获取到的光电特性所包括的特性项确定，例如，光电特性包括开口率、充电率、rc、lcs、电压偏离bestvcom、馈通feedthrough以及充电时间，那么第二全连接层的输出项的维度为7。
101.在本实施例的一个实现方式中，所述检测网络模型可以包括两个级联的网络模型，分别为第一网络模型和第二网络模型，第一网络模型用于对位置参量进行降维，第二网络模型用于确定位置参量对应的光电特性。相应的，所述基于经过训练的检测网络模型以及所述位置参量，确定所述集成电路对应的光电特性具体包括：
102.将所述位置参量输入第一网络模型，通过所述第一网络模型输出候选位置参量；
103.将所述候选位置参量输入所述第二网络模型，通过所述第二网络模型输出所述集成电路对应的光电特性。
104.具体地，所述候选位置参量为所述第一网络模型的输出项，所述第二网络模型的输入项为候选位置参量，输出项为光电特性。所述第一网络模型用于对位置参量进行降维，以得到降维后的候选位置参量，相应的，所述候选位置参量的向量维度小于位置参量的向量维度，其中，所述位置参量的向量维度的取值范围可以为50-500，候选位置参量的向量维度的取值范围可以为5-500。在一个具体实现方式中，所述位置参量的向量维度的取值范围可以为50-100，候选位置参量的向量维度的取值范围可以为5-50，例如，所述位置参量的向量维度为100，所述候选位置参量量的向量维度为50等。
105.在本实施例的一个实现方式中，所述第一网络模型可以包括第三全连接模块以及非线性变换模块，所述第二网络模型可以包括第四全连接模块，所述第三全连接模块用于对位置参量进行线性变换，以对所述位置参量进行降维，所述第三全连接模块与非线性变换模块相连接，第三全连接模块的输出项为非线性变换模块的输入项，所述非线性变换模块的输出项为候选位置参量，并且候选位置参量的向量维度与第三全连接模块的输出项的向量维度相等，例如，第三全连接模块的输出项的向量维度为50，那么候选位置参量的向量维度为50。在本实施例的一个实现方式中，所述非线性变换模块可以采用sigmoid函数以及tanh函数等。
106.在本实施例的一个实现方式中，所述第二网络模型包括第四全连接模块，所述第四全连接模块的输出项的维度可以根据实际应用需求获取到的光电特性所包括的特性项确定，例如，光电特性包括开口率、充电率、rc、lcs、电压偏离bestvcom、馈通feedthrough以及充电时间，那么第二全连接层的输出项的维度为7。
107.在本实施例的一个实现方式中，所述检测网络模型的训练过程具体包括：
108.获取训练样本集；
109.将所述训练样本集中的训练位置参量输入预设网络模型，通过预设网络模型输出所述训练位置参量对应的预测光电特性；
110.基于所述预测光电特性以及所述目标光电特性，对所述预设网络模型进行训练，以得到所述检测网络模型。
111.具体地，所述预设网络模型可以为预先设置的，用于基于训练样本集生成检测网络模型的；所述检测网络模型为采用训练样本集对预设网络模型进行训练得到的，用于确定位置参量对应的光电特性的网络模型。可以理解的是，当基于训练样本集对预设网络模型进行训练后，可以得到检测网络模型，其中，所述检测网络模型的模型结构与预设网络模型的模型结构相同，检测网络模型与预设网络模型的区别在于：检测网络模型配置的模型参数为经过训练得到的模型参数，预设网络模型配置的模型参数为初始模型参数。
112.在本实施例的一个实现方式中，所述训练样本集包括若干训练位置参量以及各训练位置参量各自对应的目标光电特性，其中，若干训练位置参量中的每个训练位置参量均对应一个电路版图，训练位置参量对应的目标光电特性为该电路版图对应的集成电路的光电特性。所述目标光电特性用于作为其对应的训练位置参量的标注值，在通过预设网络模型确定训练位置参量对应的预测光电特性后，以该目标光电特性作为标准来确定该预测光电特性对应的损失值，以便于基于该损失值对预设网络模型进行反向训练，以优化该预设
网络模型的模型参数。
113.在本实施例的一个实现方式中，所述检测网络模型的训练过程具体包括：
114.获取训练集成电路集；
115.对于每个训练集成电路，确定该训练集成电路的电路版图对应的训练位置参量，并通过电路模拟器确定该训练集成电路对应的目标光电特性；
116.基于各训练集成电路各自对应的训练位置参量及目标光电特性，确定训练样本集。
117.具体地，所述训练集成电路集可以包括若干训练集成电路，若干训练集成电路中的每个训练集成电路均为预先设计并测试的。所述若干训练集成电路中的每个训练集成电路对应一个训练位置参量，其中，所述训练位置参量的确定过程可以参照上述位置参量的确定过程，这里就不再赘述。此外，目标光电特性为基于电路模拟器确定得到，其确定过程可以为：对于每个训练集成电路，获取该训练集成电路对应的电路版图，通过该电路模拟器输出该练集成电路对应的目标光电特性。
118.进一步，在获取到训练集成电路对应的训练位置参量以及目标光电特性后，将该训练位置参量以及目标光电特性作为一个电路参数。若干训练集成电路可以确定得到若干组电路参数，每组电路参数均包括训练位置参量以及目标光电特性。由此，在获取到若干训练集成电路对应给的若干组电路参数后，可以将若干训练集成电路对应的若干组电路参数构成的集合作为预设网络模型的训练样本集。
119.s20、基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路。
120.具体地，所述目标位置参量为所述位置参量对应的调整后的位置参量，所述目标位置参量的向量维度与位置参量的向量维度相同，例如，位置参量的向量维度为100，那么目标位置参量的向量维度为100。此外，在确定得到目标位置参量后，基于该目标位置参量可以确定电路版图，而基于该电路版图可以加工得到集成电路。
121.在本实施例的一个实现方式中，所述基于所述特征信息确定集成电路对应的目标位置参量具体包括：
122.获取所述位置参量对应的参考位置参量；
123.基于所述光电特性及所述参考位置参量，确定所述参考位置参量对应的优化位置参量；
124.基于所述优化位置参量，确定所述位置参量对应的目标位置参量。
125.具体地，所述参考位置参量的向量维度小于位置参量的向量维度，参考位置参量为对位置参量进行降维变换得到。在本实施例中，所述参考位置参量可以通过上述检测网络模型确定得到，当检测网络模型包括第一网络模型和第二网络模型时，所述参考位置参量为第一网络模型的输出项，当检测网络模型包括第一全连接模块、变换模块以及第二全连接模块时，所述参考位置参量为变换模块的输出项。
126.在本实施例的一个实现方式中，所述基于所述光电特性及所述参考位置参量，确定所述参考位置参量对应的优化位置参量具体包括：
127.获取所述集成电路对应的目标函数，并基于所述目标函数确定所述光电特征对应的目标值；
128.基于所述目标值，采用贝叶斯优化器对所述参考位置参量进行优化，以得到优化位置参量。
129.具体地，所述优化位置参量的向量维度与所述参考位置参量的向量维度相同，并且所述优化位置参量为最大概率使得目标函数提升的位置参量。可以理解的是，优化位置参量可以使得基于目标函数确定误差变小的概率最大。其中，所述目标函数为基于集成电路对应的光电特性限制条件确定，并且所述目标函数的确定过程以及目标函数的表现形式下述的目标函数的相同，具体可以参数下述目标函数的说明。此外，所述目标值为将所述光电特性输入目标函数确定的，其中，所述目标函数为以光电特性为自变量的目标函数。在获取到目标值后，贝叶斯优化器根据目标值以及参考位置参量与目标值进行计算得出最大概率使得目标函数值提升的优化位置参量。本实施例中采用贝叶斯优化器进行高斯回归进行优化，在其他实现方式中也可以采用其他优化器，例如，遗传算法、退火算法等。
130.在本实施例的一个实现方式中，所述基于所述优化位置参量，确定所述位置参量对应的目标位置参量具体包括：
131.将所述优化位置参量输入经过训练的第三网络模型，通过所述第三网络模型输出所述位置参量对应的目标位置参量。
132.具体地，所述第三网络模型为预先训练的，用于对优化位置参量进行升维以得到目标位置参量，其中，所述目标位置参量的向量维度大于优化位置参量的向量维度，并且目标位置参量的向量维度等于位置参量的向量维度。可以理解的是，所述第三网络模型的输出项的维度与检测模型的输入项的维度相同，当检测网络模型包括第一全连接模块、变换模块以及第二全连接模块时，第三网络模型的输入项的维度与变换模块的输出项的维度相同；当检测网络模型包括第一网络模型和第二网络模型时，所述第三网络模型的输入项的维度与第一网络模型的输出项的维度相同。
133.举例说明：所述检测网络模型包括级联的第一网络模型和第二网络模型；所述第一网络模型的输入项为第一高维位置参量，输出项为第一低维位置参量；所述第三网络模型的输入项为第二低维位置参量，输出项为第二高维位置参量，并且所述第一高维位置参量的维度与第二高维位置参量的维度相等，第一低维位置参量的维度与第二低维位置参量的维度相等。
134.在本实施例的一个实现方式中，所述第三网络模型的训练过程具体包括：
135.将训练样本中的每个集成电路对应的第一位置参量输入经过训练的第一网络模型，通过第一网络模型输出第二位置参量，其中，所述第一网络模型与所述第二网络模型为联合训练的；
136.将所述第二位置参量输入预设网络模型，通过所述预设网络模型输出第三位置参量；
137.基于所述第一位置参量和所述第三位置参量，对所述预设网络模型进行训练，以得到第三网络模型。
138.具体地，所述第一网络模型包括于所述检测网络模型内，当检测网络模型包括第一网络模型和第二网络模型时，所述第一网络模型为所述检测网络模型中的第一网络模型，当所述检测网络模型包括第一全连接模块、变换模块以及第二全连接模块时，可以将所述检测网络模型划分为第一网络模型和第二网络模型，其中，第一网络模型包括第一全连
接模块和变换模块，第二网络模型包括第二全连接模块。
139.进一步，所述第三网络模型的输入项为基于第一网络模型确定，第三网络模型的输入项为第一网络模型的输出项，从而在对第三网络模型进行训练时，可以先基于经过训练过的第一网络模型来确定第三网络模型对应的训练样本，将第一网络模型与第三网络模型联合训练第三网络模型，并且在训练第三网络模型的过程中第一网络模型的模型系数保持不变。
140.在本实施例的一个实现方式中，所述第三网络模型通过将第一网络模型和第三网络模型联合后训练得到。在训练过程中，第一位置参量为第一网络模型的输入项，第二位置参量为第一网络模型的输出项，且为第三网络模型的输入项，第三位置参量为第三网络模型的输出项，其中，所述第一位置参量为第三位置参量对应的目标值，从而可以基于第一位置参量和第三位置参量来确定损失项，以便于基于该损失项对第三网络模型进行训练。此外，所述第一网络模型为经过训练的，所述第一网络模型为基于检测网络模型中的第二网络模型训练得到，换句话说，第一网络模型是通过对检测网络模型进行训练得到的。
141.在一个实施例中，如图7所示，在对所述位置参量进行调整得到目标位置参量后，可以获取该目标位置参量对应的目标光电特性，获取所述目标位置参量对应的目标光电特性，并保存所述目标位置参量与目标光电特性构成的电路参数。此外，在获取到目标光电特性后还可以继续执行上述的调整过程，直至目标光电特性达到预设条件，或者循环执行次数达到预设要求。由此，可以获取到若干电路参数，若干电路参数中的每个电路参数均包括位置参量和光电特性，其中，位置参量对应一电路版图，光电特性为该电路版图对应的光电特性。
142.综上所述，本实施例提供了一种集成电路的调整方法，所述方法包括获取集成电路对应的特征信息，基于所述特征信息，确定所述位置参量对应的调整参量；基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路，这样基于光电特性自动调整位置参数，以实现自动调整电路版图，从而可以提高电路版图的设计效率，从而可以提高集成电路的生产效率。
143.在一个本实施例中，如图6所示，所述集成电路的调整方法具体包括：
144.获取集成电路对应的特征信息，其中，所述特征信息包括集成电路的的电路版图对应的位置参量以及集成电路对应的光电特性；
145.基于所述特征信息，确定所述位置参量对应的调整参量；
146.基于所述调整参量对所述位置参量进行调整以得到目标位置参量，并基于所述目标位置参量确定调整后的集成电路。。
147.具体地，所述特征信息的获取过程可以参照上述实施例的说明，这里不再赘述，这里主要对基于所述光电特性及所述位置参量，确定所述位置参量对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路过程进行说明。
148.所述调整参量用于调整所述位置参量，通过该调整参量可以调整位置参量，以得到位置参量对应的目标位置参量，其中，所述目标位置参量用于确定集成电路的电路版图。所述调整参量的向量维度与位置参量的向量维度相同，对于位置参量中的每个位置参量项，调整参量中均存在一个调整参量项与该位置参量项相对应，该调整参量项用于调整其对应的位置参量项，其中，所述调整参量项与位置参量项相对应指的是调整参量项在调整
参量中的位置序号与位置参量项在位置参量中的位置序号相同。例如，位置参量为50维向量，调整参量项为50维向量，调整参量项中第25位的调整参量项与位置参量中的第25位的位置参量项相对应。此外，所述目标位置参量的向量维度与所述位置参量的向量维度相同，并且目标位置参量中的各目标位置参量项与位置参量中的各位置参量项一一对应，并且各目标位置参量项由其对应的位置参量项以及该位置参量项对应的调整参量项计算得到的。
149.在本实施例的一个实现方式中，所述基于所述光电特性及位置参量，确定所述位置参量对应的调整参量具体包括：
150.获取所述光电特性对应的误差值；
151.基于所述误差值及所述位置参量，确定所述位置参量对应的调整参量
152.具体地，所述误差值用于反映所述光电特性与光电特性限制条件的误差，其中，所述光电特性限制条件为所述集成电路对应的，用于限制所述集成电路所达到的最低光电特性要求。所述光电特性包括若干光电参数，所述光电特性限制条件包括若干光电参数中部分光电参数对应的下门限阈值。例如，所述光电特性包括开口率、充电率以及峰值电压，光电特性限制条件可以包括开口率的下门限阈值、充电率的下门限阈值以及峰值电压的下门限阈值；或者是，光电特性限制条件可以包括充电率的下门限阈值以及峰值电压的下门限阈值，或者是，光电特性限制条件可以包括峰值电压的下门限阈值。当然，所述光电特性限制条件可以未包括任一光电参数的下门限阈值，那么所述光电特性限制条件为各光电参量越大，参考光电特性对应的参考位置参量越好，反之，各光电参量越小，参考光电特性对应的参考位置参量越差。
153.在本实施例的一个实现方式中，所述获取所述光电特性对应误差值具体包括：
154.获取所述集成电路对应的光电特性限制条件，并基于所述光电特性限制条件确定所述集成电路对应的目标函数；
155.基于所述目标函数，确定所述光电特性对应误差值。
156.具体地，所述目标函数可以为预先设置的，并且目标函数与光电特性限制条件相对应，在确定集成电路对应的光电特性限制条件后，可以根据光电特性限制条件选取相应的目标函数。可以理解的是，预先设置目标函数集，目标函数集包括若干目标函数，若干目标函数中的每个目标函数均对应一个光电特性限制条件，在确定集成电路对应的光电特性限制条件后，可以基于光电特性限制条件在目标函数集中选取到一个目标函数，并将该目标函数作为用于确定该光电特性对应的误差值的目标函数。
157.所述目标函数集中的目标函数可以根据实际应用建立，这里针对一个应用场景进行说明。在该应用场景中，光电特性包括开口率a，充电率b和峰值电压c三个光电参数，所述目标函数与光电特性限制条件的对应关系可以为：
158.当光电特性限制条件为开口率a》a0，充电率b》b0，峰值电压c》c0，其中，a0为开口率的下门限阈值，b0为充电率的下门限阈值，c0峰值电压的下门限阈值，那么目标函数f(a,b,c)可以为：
159.f(a,b,c)＝sigmoid(a-a0)*sigmoid(b-b0)*sigmoid(c-c0)
160.其中，a表示开口率，b表示充电率，c表示峰值电压，sigmoid表示sigmoid函数；
161.当光电特性限制条件为充电率b》b0，峰值电压c》c0，其中，b0为充电率的下门限阈值，c0峰值电压的下门限阈值，那么目标函数f(a,b,c)可以为：
162.f(a,b,c)＝(a-a0)*sigmoid(b-b0)*sigmoid(c-c0)
163.其中，a表示开口率，b表示充电率，c表示峰值电压，sigmoid表示sigmoid函数；
164.当光电特性限制条件中开口率a，充电率b和峰值电压c均未设置下门限阈值，那么所述目标函数f(a,b,c)可以为：
165.f(a,b,c)＝ka*(a-a0) kb*(b-b0) kc*(c-c0)；
166.其中，ka，kb，kc为权重系数，a0为开口率的下门限阈值，b0为充电率的下门限阈值，c0峰值电压的下门限阈值，其中，ka，kb，kc、a0、b0以及c0均可以根据实际需求设定的。
167.进一步，在获取到目标函数后，由于所述目标函数为以光电特性作为自变量的函数，从而可以将该目标函数转换为以位置参量作为自变量的函数。这样由于光电特性为基于位置参量确定得到的，位置参量与光电特性之间具有候选函数，基于该候选函数可以使得光电特性中的每个光电参数采用位置参量表示，再将由位置参量表示的各光电特性代入目标函数以得到转换后的目标函数，并将转换后的目标函数作为光电特性对应的目标函数。在获取到以位置参量作为自变量的目标函数后，将位置参量输入所述目标函数，可以得到所述误差值。当然，在实际应用中也可以直接将光电特性输入以光电特性作为自变量的目标函数，得到所述误差值。
168.在本实施例的一个实现方式中，所述基于所述误差值及所述位置参量，确定所述位置参量对应的调整参量具体包括：
169.对于位置参量中的每个位置参量项，基于所述误差值以及所述目标函数确定该位置参量项对应的梯度值，并基于该梯度值确定该位置参量项对应的调整参量项；
170.获取到的所有调整参量项构成所述位置参量对应的调整参量。
171.具体地，所述梯度值用于确定该位置参量项对应的调整参量项。在本实施例的一个实现方式中，所述梯度值的计算公式可以为：dy/dxi＝f(x1,x2,x3,
…
xi
△
xi,
…
xn)-y0,i＝1,2,3
…
n，其中，dy/dxi表示位置参量项xi对应的梯度值，y＝f(x1,x2,x3,
…
xi,
…
xn)为以位置参量项为自变量的目标函数；xi为位置参量中的第i个位置参量项，
△
xi为位置参量项xi对应的变化量，n表示位置参量项的数量，y0表示误差值。各位置参量项对应的变化量可以相同，也可以部分位置参量项对应的变化量相同，部分位置参量对应的变化量不同；还可以各位置参量项对应的变化量均不相同，其中，变化量可以为根据实际应用情况预先设置的。
172.所述调整参量项的计算公式可以为：
173.xi＝xi gamma_i*(dy/dxi)*
△
xi,i＝1,2,3
…n174.其中，
△
xi为位置参量项xi对应的变化量，gamma_i为位置参量项xi对应权重系数。
175.在一个实现方式中，所述基于所述调整参量对所述位置参量进行调整以得到目标位置参量具体包括：
176.对于位置参量中的每个位置参量项，在调整参量中确定该位置参量项对应的调整参量项；
177.确定所述位置参量项与所述调整参量项的元素和，并将该元素和作为该位置参量项对应的目标位置参量项；
178.将所有目标位置参量项构成的位置参量作为目标位置参量。
179.具体地，所述调整参量的向量维度与位置参量的向量维度相同，并且调整参量中的调整参量项与位置参量中的位置参量项一一对应，从而对于每个位置参量项，可以确定其对应的调整参量项，在确定调整参量项后计算位置参量项与所述调整参量项的元素和，以得到调整后的位置参量项，即该位置参量项对应的目标位置参量项。基于此，在获取到所有位置参量项对应的目标位置参量项后，可以将所有目标位置参量项构成的位置参量作为目标位置参量。
180.在一个实施例中，在获取到若干电路参数后，可以保存电路参数以形成电路参数集。在获取期望光电特性后，可以基于该期望光电特性在电路参数集中选取目标电路参数，并将该目标电路参数中的位置参量对应的电路版图作为该期望光电特性对应的电路版图，这样可以提高电路版图的获取速度。
181.基于此，在获取到电路参数集之后，如图9和图10所示，所述方法还可以包括：
182.基于预设的期望光电特性，在预存的若干电路参数中选取所述期望光电特性对应的目标电路参数；
183.基于所述目标电路参数中的目标位置参量，确定所述期望光电特性对应的集成电路。
184.具体地，所述若干电路参数中的每个电路参数均包括位置参量和光电特性，其中，位置参量对应一电路版图，光电特性为该电路版图对应的光电特性。可以理解的是，所述位置参量和光电特性为同一电路版图对应的，位置参量为该电路版图参数化得到的，光电特性为通过基于该位置参量确定的，或者是通过电路模拟器确定的。
185.所述目标电路参数包含于若干电路参数中，并且若干电路参数中的目标光电特性与该期望光电特性匹配度最高的，其中，所述匹配度用于反映目标光电特性与所述期望光电特性的相似程度，当匹配度越高，说明目标光电特性与所述期望光电特性的相似程度越高，反之，当匹配度越低，说明目标光电特性与所述期望光电特性的相似程度越低。
186.所述匹配度可以为光电特性与期望光电特性之间的欧氏距离，也可以为光电特性中的各光电参数配置权重系数，在确定匹配度时，可以先基于各光电参数的权重系数更新各光电参数上(例如，将光电参数与权重系数的乘积作为光电参数等)，基于更新后的光电特性与期望光电特性之间的欧氏距离，可以得到光电特性与期望光电特性的匹配度。
187.在本实施例的一个实现方式中，所述基于预设的期望光电特性，在预存的若干电路参数中选取所述期望光电特性对应的目标电路参数具体包括：
188.获取所述期望光电特性对应的权重系数集，其中，所述权重系数集包括期望光电特性中的各光电参数各自对应的权重系数；
189.基于所述期望光电特性及所述权重系数集，在所述若干电路参数中选取目标电路参数。
190.具体地，所述权重系数集包括若干权重系数，若干权重系数与光电特性包括的若干光电参数一一对应，每个权重系数用于反映其对应的光电参数的重要程度，权重系数越高，说明光电参数的重要程度越高，反之，权重系数越低，说明光电参数的重要程度越低。所述权重系数集可以预先设置的，并且不同的期望光电特性对应的权重系数集不同。
191.在本实施例的一个实现方式中，在获取到权重系数集后，基于所述权重系数集确定期望光电特性对应的目标光电特性时，可以分别计算若干电路参数中各电路参数中的光
电特性与期望光电特性的匹配度，并选取匹配度最高的光电特性对应的电路参数作为目标电路参数。
192.在本实施例的一个实现方式中，若干电路参数以kd树形式存储，在获取到权重系数集后，基于所述权重系数集确定期望光电特性对应的目标光电特性时，可以采用kd树搜索来确定目标电路参数，这样可以提高目标电路参数的获取速度。相应的，所述基于所述期望光电特性及所述权重系数集，在所述若干电路参数中选取目标电路参数具体包括：
193.基于期望光电特性对若干电路参数进行kd树搜索，以得到期望光电特性对应的目标电路参数，其中，所述kd树搜索在回溯过程中的节点光电特性的搜索范围是基于所述节点光电特性、期望光电特性及所述权重系数集确定的。
194.具体地，在获到期望光电特性后，采用kd树搜索的形式对若干电路参数进行搜索，以得到候选电路参数。其中，kd树搜索过程可以比较期望光电特性与分裂节点的电路参数中的参照光电特性的分裂维的值，而期望光电特性小于参照光电特性则进入左子树分支；若期望光电特性等于或者大于参照光电特性则进入右子树分支，依次类推直至叶子结点，并将叶子结点对应的电路参数作为候选电路参数。在确定候选电路参数后，搜索与候选电路参数处于同一个子空间的叶子结点，其中，在搜索与候选电路参数处于同一个子空间的叶子结点时，将候选电路参数作为查询电路参数，候选电路参数中的光电特性为节点光电特性，并基于所述节点光电特性、期望光电特性及所述权重系数集确定的搜索半径。例如，搜索半径的过程可以为：首先将期望光电特性中的光电参数与其对应的权重系数相乘，以更新各光电参数，然后再计算期望光电特性与节点光电特性的欧式距离，最后将计算得到的欧式距离作为搜索半径。
195.进一步，在搜索与待查询点处于同一个子空间的叶子结点之后，再回溯搜索路径，并判断搜索路径上的结点的其他子结点空间中是否存在距离期望光电特征小于搜索半径的数据点，如果存在，则需要跳到其他子结点空间中去搜索并将其他子结点加入到搜索路径，并继续执行判断搜索路径上的结点的其他子结点空间中是否存在距离期望光电特征小于搜索半径的数据点直到搜索路径为空，以得到期望光电特性对应的目标电路参数。
196.基于上述集成电路的调整方法，本实施例提供了一种集成电路的调整装置，如图11所示，其包括：
197.第一获取模块100，用于获取集成电路对应的特征信息，其中，所述特征信息包括集成电路的电路版图对应的位置参量以及集成电路对应的光电特性信息；
198.第一确定模块200，用于基于所述特征信息确定集成电路对应的目标位置参量，并基于所述目标位置参量确定调整后的集成电路。
199.在一个实现方式中，所述第二确定模块具体包括：
200.第一获取单元，用于获取所述位置参量对应的参考位置参量，其中，所述参考位置参量的维度低于所述位置参量的维度；
201.第一确定单元，用于基于所述光电特性及所述参考位置参量，确定所述参考位置参量对应的优化位置参量，其中，所述优化位置参量的维度等于所述参考位置参量的维度；
202.基于所述优化位置参量，确定所述位置参量对应的目标位置参量。
203.在一个实现方式中，所述第一确定单元具体包括：
204.第一获取子单元，用于获取所述集成电路对应的目标函数，并基于所述目标函数
确定所述光电特征对应的目标值；
205.优化子单元，用于基于所述目标值，采用贝叶斯优化器对所述参考位置参量进行优化，以得到优化位置参量。
206.在一个实现方式中，所述优化子单元具体用于：将所述优化位置参量输入经过训练的第三网络模型，通过所述第三网络模型输出所述位置参量对应的目标位置参量。
207.在一个实现方式中，所述检测网络模型包括级联的第一网络模型和第二网络模型；所述第一网络模型的输入项为第一高维位置参量，输出项为第一低维位置参量；所述第三网络模型的输入项为第二低维位置参量，输出项为第二高维位置参量，并且所述第一高维位置参量的维度与第二高维位置参量的维度相等，第一低维位置参量的维度与第二低维位置参量的维度相等。
208.在一个实现方式中，所述第三网络模型的训练过程具体包括：
209.将训练样本中的每个集成电路对应的第一位置参量输入经过训练的第一网络模型，通过第一网络模型输出第二位置参量，其中，所述第一网络模型与所述第二网络模型为联合训练的；
210.将所述第二位置参量输入预设网络模型，通过所述预设网络模型输出第三位置参量；
211.基于所述第一位置参量和所述第三位置参量，对所述预设网络模型进行训练，以得到第三网络模型。
212.在一个实现方式中，所述集成电路的调整装置包括：
213.第二获取模块，用于获取所述目标位置参量对应的目标光电特性，并保存所述目标位置参量与目标光电特性构成的电路参数。
214.在一个实现方式中，所述集成电路的调整装置包括：
215.第二确定模块，用于基于预设的期望光电特性，在预存的若干电路参数中选取所述期望光电特性对应的目标电路参数；
216.第三确定模块，用于基于所述目标电路参数中的目标位置参量，确定所述期望光电特性对应的集成电路。
217.在一个实现方式中，所述第二确定模块具体包括：
218.第二获取单元，用于获取所述期望光电特性对应的权重系数集，其中，所述权重系数集包括期望光电特性中的各光电参数各自对应的权重系数；
219.选取单元，用于基于所述期望光电特性及所述权重系数集，在所述若干电路参数中选取目标电路参数。
220.在一个实现方式中，所述预存的若干电路参数以kd树形式存储。
221.在一个实现方式中，所述选取单元具体用于：基于期望光电特性对若干电路参数进行kd树搜索，以得到期望光电特性对应的目标电路参数，其中，所述kd树搜索在回溯过程中的节点光电特性的搜索范围是基于所述节点光电特性、期望光电特性及所述权重系数集确定的。
222.在一个实现方式中，所述集成电路为tft电路。
223.基于上述集成电路的调整方法，本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个
处理器执行，以实现如上述实施例所述的集成电路的调整方法中的步骤。
224.基于上述集成电路的调整方法，本技术还提供了一种终端设备，如图12所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(communications interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
225.此外，上述的存储器22中的逻辑指令可以通过软件功能单元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。
226.存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
227.存储器22可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；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22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，u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
228.此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
229.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。