超大规模集成电路仿真验证中的模型降阶及稀疏表示

项目名称： 超大规模集成电路仿真验证中的模型降阶及稀疏表示

项目编号： No.91330201

项目类型： 重大研究计划

立项/批准年度： 2013

项目学科： 数理科学和化学

项目作者： 苏仰锋

作者单位： 复旦大学

项目金额： 350万元

中文摘要： 发现、利用、表示问题中的稀疏性是求解大规模问题的根本手段，也是当前应用数学及其他多个学科的研究热点。本项目面向国家重大需求，从集成电路仿真验证中提炼了与稀疏性密切相关的三个计算数学的研究内容：线性系统的模型降阶、多参数模型的稀疏表示、利用解的稀疏性快速求解电路系统。本项目将通过数学与微电子学科的交叉，深入研究基于聚合的模型降阶创新理论及算法，研究基于压缩感知的多参数模型的稀疏表示、利用解的稀疏性快速求解电路系统的新理论及新算法，并将这些理论及算法应用于超大规模集成电路仿真验证。前期研究表明，我们提出的基于聚合的模型降阶新算法相比已有算法在精度和效率上具有显著优势。项目组成员具有数值代数、逼近论、数值优化以及电子设计自动化等项目必需的研究基础，具有研究成果产业化经验。本项目成果将在计算数学领域内丰富关于稀疏性的理论与算法，也将为我国电子设计自动化产业提供具有自主知识产权的工具奠定基础。

中文关键词： 模型降阶；稀疏表示；压缩感知；超大规模集成电路；仿真验证

英文摘要： Discovering, exploiting, and representing sparsity of the problem is a fundamental approach for solving large-scale problems as well as current research focus in applied mathematics and other disciplines. Aiming at fulfilling the major national demands, w

英文关键词： model order reduction；sparse representation；compressed sensing；VLSI；simulation and verification