专利交易市场

一种基于随机与并行计算策略的RTL级电路可靠性度量方法，首先，对网表进行解析并对相关量进行初始化，以为后续计算做好准备；接着，基于sobol序列构建均匀非伯努利序列的生成方法，并基于该序列生成方法分别利用并行计算策略构建长度为ls的电路输入向量与面向模块输出端的故障注入许可序列；然后，基于随机计算策略分别并行计算了针对各输入向量在不同状况下的电路逻辑输出；最后，通过最大‑最小蚁群算法实现了算法的自适应收敛。本发明有效兼顾评估精度与计算速度。

本发明公开了一种电流分数阶积分控制式忆阻器，包括引脚a、引脚b、压控电阻UR、电阻R、电流控制电压源IU和电压分数阶积分器A，压控电阻UR包括电压控制端uc和受控电阻Ru，压控电阻UR内受控电阻Ru的电阻值受电压控制端uc的电压值控制，电流控制电压源IU包括电流控制端i和电压源输出端ui，电流控制电压源IU内电压源输出端ui的电压值受电流控制端i的电流值控制，电压分数阶积分器A包括电压输入端ui和电压输出端uc。该电流分数阶积分控制式忆阻器引脚a、b的电气特性等效了忆阻器M的A、B引脚特性，为二引脚，进一步的降低已有电流分数阶积分控制式忆阻器的复杂度和元件数，且具有不要求一端接地、忆阻值变化范围灵活、工作电压范围宽的优点。

本发明涉及电路设计技术领域，且公开了一种基于线性编码的电路拓扑及参数表示方法，包括以下步骤：S1、定义元件信息、S2、元件添加、S3、元件引脚连接、S4、各单元连接、S5、检查并输出电路、S6、参数优化、S7、拓扑结构优化。该基于线性编码的电路拓扑及参数表示方法，通过表示电路中元件的连接关系及参数信息，能够对元件的连接关系及参数信息进行修改，支持电路的保存与读取，能够检查电路的连接关系及参数信息正确性，能够与电路网表相互转换使得编码可以转化为电路网表进行电路仿真，能够表示待优化电路及固定电路使得编码适配电路拓扑结构优化算法，使本发明具有集成完整性强等优点。

本发明提出了一种基于预测反馈的电路逻辑优化方法。该方法包括：首先构建逻辑综合的数据集，将电路逻辑综合后的面积和延迟作为数据集的标签；然后对数据集进行预处理来获得电路的优化序列和图特征；随后构建预测模型，利用预处理后的数据集对其进行预训练；再构建逻辑优化模型并利用预处理后的数据集训练；最后用训练好的逻辑优化模型在电路上进行逻辑优化。本发明首先通过GNN、RNN和解码器构成的预测模型来预测结果，再通过Transformer提取预测结果特征，最后利用基于强化学习的多头近端策略来选择下一步优化策略，从而快速获得面积与延迟最好的优化序列。

本发明提供了一种基于强化学习的针对FPGA映射的电路逻辑综合方法，以解决传统网表优化方法中模型优化未见过电路的能力不足的问题。首先构建逻辑综合的数据集，然后对数据集进行预处理，获得电路的统计特征与图结构；随后构建基于强化学习的针对FPGA映射的逻辑综合模型，并利用预处理后的数据集进行预训练，最后利用预训练好的基于强化学习的针对FPGA映射的逻辑综合模型在电路上进行逻辑优化。本发明的电路特征提取模块采用GNN模块对逻辑电路和网表结构进行解析，得到图嵌入，通过FCN模块解析逻辑电路和网表的统计特征，拼接两部分特征得到精确的电路的增强表示状态，提高了强化学习模型对不同电路之间的理解能力。

本发明公开基于GNN‑Transformer的逻辑综合电路面积预测方法，该方法包括：构建逻辑综合电路面积预测数据集，所述数据集RTL verilog描述的电路，以及由逻辑综合工具提供的一系列优化算子排列组成的优化序列，以及电路综合后的面积作为标签；构建基于GNN‑Transformer的逻辑综合电路面积预测模型。本发明通过利用来自电路和优化序列的时空信息，并考虑了不同规模电路的数据标签跨度大对模型训练产生的影响，能够对不同规模电路进行更加精确的预测。

神经形态电路中包含众多的神经形态器件，此时对器件权重更新(电导调控)越精准、简洁越好，即“学习”的难度降低。当前对权重更新的调控面临电导呈非线性/不对称性变化、必须采用双极性电脉冲(正、负电压)调控等科学问题，增加了神经形态器件权重更新的难度；本专利通过制备电荷捕获效应与电双层效应并存的双重神经形态器件，利用两种电荷效应对半导体层调控速率的不同实现单极性电脉冲对权重更新的调控，通过两种电荷效应形成相互抑制作用增强电导调控的线性度以及对称性，解决神经形态电路中权重更新困难的问题。

本发明涉及格式转换技术领域，公开了一种电路图描述文件的格式转换方法、设备、系统及计算机可读存储介质，包括以下步骤：S1.读取电路图描述文件，并判断其文件类型；S2.读取电路图描述文件的关键词信息并生成二叉树；S3.根据电路图描述文件的文件类型，遍历二叉树得到节点特征，并将节点特征整理为文本文件；S4.将文本文件转换为图神经网络模型可训练的数据类型。本发明解决了现有技术适用场景小，效率低的问题，并具有方便易用的特点。