FGNN2电路表征学习框架

表征捕获逻辑功能

该框架通过对比学习和专用图神经网络架构，有效提取电路逻辑功能知识，超越现有方法。

Wang, Ziyi · 白晨 · He, Zhuolun · Guangliang, Zhang · 徐强 · Ho, Tsungyi · Huang, Yu Chiuan · 余备

IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems 2024

技术优势

捕捉逻辑语义

通过对比学习提取功能知识，而非仅依赖图拓扑，从而保留电路的功能语义。

适应输入顺序

设计新的对比损失函数，使生成的表示对输入顺序不敏感，提高鲁棒性。

性能显著领先

在多个复杂真实设计上的实验显示，该方法显著优于现有电路表征学习流程。

应用场景

• 逻辑综合：利用功能感知表征辅助逻辑优化和工艺映射。
• 物理设计：为布局布线提供具有功能信息的电路嵌入以提升质量。
• 形式验证：用功能感知表征加速等价性检查和属性验证。
• 机器学习辅助EDA：为各种EDA任务提供高质量的电路表征作为输入特征。