机器学习增强型编译器的制作方法

技术特征：
1.一种方法，包括：生成针对电路设计的网表；通过将第一机器学习模型应用于所述网表，预测针对所述电路设计的第一编译时间；通过将第二机器学习模型应用于所述网表，基于所述第一编译时间预测第一布局和布线策略；以及根据所述第一布局和布线策略调整所述电路设计的逻辑。2.根据权利要求1所述的方法，还包括：通过将第三机器学习模型应用于经调整的所述逻辑，预测针对所述电路设计的第二编译时间；通过将第四机器学习模型应用于所述经调整的逻辑，基于所述第二编译时间预测第二布局和布线策略；以及根据所述第二布局和布线策略布局所述电路设计的组件。3.根据权利要求2所述的方法，还包括：通过将第五机器学习模型应用于经布局的组件，预测针对所述电路设计的第三编译时间；通过将第六机器学习模型应用于经布局的组件，基于所述第三编译时间预测第三布局和布线策略；以及根据所述第三布局和布线策略，对所述组件进行布线。4.根据权利要求3所述的方法，还包括：根据所述组件的所述布线来生成比特流。5.根据权利要求1所述的方法，其中：所述第一机器学习模型和第二机器学习模型是使用基本数据生成的基本模型的一部分；以及从包括所述基本模型、使用通过编译多个电路设计而生成的训练数据生成的调谐模型、以及使用所述训练数据和所述基本数据生成的混合模型的组中选择所述基本模型。6.根据权利要求5所述的方法，还包括：响应于确定所述网表与所述电路设计之间的第一距离小于在所述网表与用于生成所述调谐模型的所述训练数据之间的第二距离、以及所述网表与用于生成所述混合模型的所述训练数据和所述基本数据之间的第三距离，选择所述基本模型。7.根据权利要求6所述的方法，还包括：通过以下项确定所述第一距离：将第一权重应用于所述网表中的第一特征与所述基本数据中的第一特征之间的距离，以产生第一加权距离；将第二权重应用于所述网表中的第二特征与所述基本数据中的第二特征之间的距离，以产生第二加权距离；以及将所述第一加权距离和所述第二加权距离相加。8.根据权利要求1所述的方法，还包括：启动所述电路设计的单独编译，其中在单独启动的编译中根据所述第一布局和布线策略来调整所述电路设计的逻辑。9.一种方法，包括：存储使用基本数据生成的基本模型；以及接收通过编译电路设计生成的训练数据；
使用所述训练数据生成调谐模型；使用所述训练数据和所述基本数据生成混合模型；接收所选择的成本函数；以及使用所选择的成本函数来偏置所述基本模型、所述调谐模型和所述混合模型。10.根据权利要求9所述的方法，其中所述成本函数选自多个成本函数，所述多个成本函数包括：偏向于减少编译时间的第一成本函数、偏向于减少编译期间的资源消耗的第二成本函数、以及偏向于减少编译时间并且减少编译期间的资源消耗的第三成本函数。11.根据权利要求9所述的方法，还包括：生成针对电路设计的网表；通过将第一机器学习模型应用于所述网表，预测针对所述电路设计的第一编译时间；通过将第二机器学习模型应用于所述网表，基于所述第一编译时间预测第一布局和布线策略；以及根据所述第一布局和布线策略调整所述电路设计的逻辑。12.根据权利要求11所述的方法，还包括：通过将第三机器学习模型应用于经调整的逻辑，预测针对所述电路设计的第二编译时间；通过将第四机器学习模型应用于所述经调整的逻辑，基于所述第二编译时间预测第二布局和布线策略；以及根据所述第二布局和布线策略布局所述电路设计的组件。13.根据权利要求12所述的方法，还包括：通过将第五机器学习模型应用于经布局的组件，预测针对所述电路设计的第三编译时间；通过将第六机器学习模型应用于经布局的组件，基于所述第三编译时间预测第三布局和布线策略；以及根据所述第三布局和布线策略对所述组件进行布线。14.根据权利要求13所述的方法，还包括：根据所述组件的所述布线来生成比特流。15.根据权利要求11所述的方法，还包括：响应于确定所述网表与所述电路设计之间的第一距离小于所述网表与用于生成所述调谐模型的所述训练数据之间的第二距离、以及所述网表与用于生成所述混合模型的所述训练数据和所述基本数据之间的第三距离，选择所述基本模型。16.一种装置，包括：存储器；以及硬件处理器，通信地耦合到所述存储器，所述硬件处理器被配置为：接收编译电路设计的指令；响应于所述指令，生成针对所述电路设计的网表；通过将第一机器学习模型应用于所述网表，预测针对所述电路设计的第一编译时间；以及通过将第二机器学习模型应用于所述网表，基于所述第一编译时间预测第一布局和布线策略；以及
根据所述第一布局和布线策略调整所述电路设计的逻辑。17.根据权利要求16所述的装置，其中所述硬件处理器还被配置为：通过将第三机器学习模型应用于经调整的逻辑，预测针对所述电路设计的第二编译时间；通过将第四机器学习模型应用于所述经调整的逻辑，基于所述第二编译时间预测第二布局和布线策略；以及根据所述第二布局和布线策略布局所述电路设计的组件。18.根据权利要求17所述的装置，其中所述硬件处理器还被配置为：通过将第五机器学习模型应用于经布局的组件，预测针对所述电路设计的第三编译时间；通过将第六机器学习模型应用于经布局的组件，基于所述第三编译时间预测第三布局和布线策略；以及根据所述第三布局和布线策略对所述组件进行布线。19.根据权利要求18所述的装置，其中所述硬件处理器还被配置为根据所述组件的所述布线来生成比特流。20.根据权利要求16所述的装置，其中：所述第一机器学习模型和所述第二机器学习模型是使用基本数据生成的基本模型的一部分；以及从包括所述基本模型、使用通过编译多个电路设计而生成的训练数据生成的调谐模型、以及使用所述训练数据和所述基本数据生成的混合模型的组中选择所述基本模型。

技术总结
一种方法包括：生成针对电路设计的网表；以及通过将第一机器学习模型应用于该网表来预测电路设计的第一编译时间。该方法还包括通过将第二机器学习模型应用于网表来基于第一编译时间预测第一布局和布线策略。该方法还包括根据第一布局和布线策略调整电路设计的逻辑。辑。辑。


技术研发人员：S
受保护的技术使用者：美商新思科技有限公司
技术研发日：2020.08.24
技术公布日：2022/6/7