1.一种集成电路互连线的寄生电容提取方法，其特征在于，包括：S1、构建集成电路中每个导体的表面采样点位置坐标集合以及内部采样点位置坐标集合，其中，将每个内部采样点作为一个等效点电荷的位置；构建由所有导体中两两之间的互连电容所构成的初始值全为零的寄生电容矩阵；S2、从所有导体中选取一个作为主导体，设置其理想表面电势值为1，其余作为从导体，设置其理想表面电势值为0；根据每个导体的理想表面电势值，生成与该导体的表面采样点一一对应的理想表面电势值的集合；S3、构建由输入层、单层隐藏层和输出层组成的神经网络结构，其中，以表面采样点位置坐标作为神经网络的输入，以表面采样点一一对应的理想表面电势值和神经网络的输出间的均方误差作为损失函数，神经元的个数与所有导体对应的所有等效点电荷的数量相同，将三维空间中泊松方程的格林函数作为单层隐藏层的激活函数，将所有等效点电荷的位置坐标作为隐藏层激活函数的中心坐标；基于所有导体的表面采样点位置坐标集合以及一一对应的理想表面电势值集合，训练神经网络单层隐藏层中各神经元的权重系数，对应作为各个等效点电荷的等效电荷值，得到每个导体中所有等效点电荷的等效电荷值；S4、采用每个导体中的所有等效点电荷的等效电荷值计算该导体的电荷量，以计算两两导体之间的互连电容，更新所述寄生电容矩阵，重复执行S2，直至每个导体均充当过主导体。
2.如权利要求1所述的提取方法，其特征在于，所述表面采样点位置坐标集合的构建方式为：读取描述所述集成电路的物理布局二进制文件和记录所述集成电路中各个工艺层信息的文件，建立集成电路中每个导体的三维空间模型；根据每个导体的三维空间模型，通过均匀随机采样或均匀网格采样的方式对该导体的表面进行预设数目采样点的采样，获取表面采样点的位置坐标集合。
3.如权利要求1所述的提取方法，其特征在于，所述内部采样点位置坐标集合的构建方式为：读取描述所述集成电路的物理布局二进制文件和记录所述集成电路中各个工艺层信息的文件，建立集成电路中每个导体的三维空间模型；根据每个导体的三维空间模型，设定内部采样点全部分布在将该导体各原边长按预设的采样比例参数a等比缩小后所得到的三维封闭立体结构表面上，对该导体的内部进行采样，获取内部采样点位置坐标集合。
4.如权利要求1所述的提取方法，其特征在于，当集成电路中存在具有不规则表面的导体时，将每个具有不规则表面的导体作为规则表面的导体，执行S1-S3所述的训练；按照不规则表面的导体的真实表面，执行S1-S3所述的训练，其中，两次执行S1所采样得到的表面采样点数目相同以及内部采样点数目相同，第二次训练时神经网络各神经元的权重系数初始值为第一次训练后所得到的神经网络各神经元的权重系数；采用最终所得到的每个导体中所有等效点电荷的等效电荷值执行S4。
5.如权利要求1至4任一项所述的提取方法，其特征在于，S3中采用梯度下降法或采用最小二乘法训练神经网络单层隐藏层中各神经元的权重系数。
6.如权利要求5所述的提取方法，其特征在于，在采用最小二乘法训练神经网络单层隐藏层中各神经元的权重系数时，在最小二乘法训练完成后，对每个导体均构建另一个内部采样点位置坐标集合，根据当前训练所得到的每个导体对应所有等效点电荷的等效电荷值，计算该导体上所有等效点电荷在每个表面采样点的位置处共同激发的静电势，确定每个表面采样点对应的所述静电势与该导体的理想表面电势值的差值，以表面采样点一一对应的所述差值与神经网络的输出间的均方误差作为损失函数，重新构建神经网络结构并训练，得到每个导体的由两个内部采样点位置坐标集合所确定的所有等效点电荷的等效电荷值。
7.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如权利要求1至6中任一项所述的方法的步骤。
9.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现如权利要求1至6任一项所述的方法的步骤。
