【ICCC2024】石函玉｜基于改进模式匹配方法的VLSI寄生电容提取

本研究提出了一种基于改进机器学习方法的VLSI寄生电容提取技术，核心在于构建新型模式分割与组合策略，并建立适配的模式库。作者针对传统基于规则的提取方法在深纳米工艺下面临的精度瓶颈，创新性地引入K近邻算法与卷积神经网络两类模型进行对比分析。在KNN模型中，通过模糊距离预处理与KD树存储机制优化特征维度权重，显著提升分类精度；在CNN模型中，通过精简ResNet50网络结构，在保证分类准确率的同时大幅降低计算开销。实验结果表明，该方法在模式分类任务中实现了精度与效率的良好平衡，尤其适用于计算资源受限场景。该研究不仅为工艺节点演进中的寄生参数提取提供了低成本、高适配性的解决方案，也为机器学习辅助EDA工具开发提供了新的理论支撑与实践路径。

    文/石函玉