Apr, 2023

一种 Verilog 自动完成的深度学习框架 —— 向设计和验证自动化

PDF
TL;DR本文提出一种基于深度学习的 Verilog 自动补全模型的训练框架，该框架通过将通用编程语言预训练模型与类似目标下游任务的数据集集成并进行微调来验证，实验结果表明，该框架相比于从头开始训练的模型，具有更好的 BLEU、ROUGE-L 和 chrF 评分。
electronic design automationverilogdeep learningautocompletionprogramming language
发现论文，激发创造
  • 全你所需：通过自动化的设计数据增强框架，通过微调 LLMs 进行芯片设计

    通过自动生成与 Verilog 和 EDA 脚本对齐的高容量高质量自然语言，本研究提出了一种自动化设计数据增强框架，以改善 LLM 在 Verilog 代码生成和 EDA 脚本生成任务中的表现。结果表明，使用我们的增强方法对 Llama2-13B 和 Llama2-7B 模型进行微调在 Verilog 生成任务中有显著改善，并且与当前最先进的开源 Verilog 生成模型相比，Verilog 生成的准确性从 58.8％提高到 70.6％。与 GPT-3.5 相比，我们的 13B 模型（ChipGPT-FT）在 Verilog 生成和 EDA 脚本生成方面具有更好的性能。

    Mar, 2024

  • 一种基于机器学习的 SKILL 代码自动补全方法

    该研究首次将 Transformer 应用于 SKILL 代码自动完成以提高硬件设计工程师的生产力，提出了一种数据高效的生成 SKILL 代码的新方法，并通过实验证实。

    Dec, 2023

  • 利用 LLMs 解释 EDA 综合错误

    通过使用大型语言模型，本研究考察了如何利用人工智能的最新进展，生成适合初学者理解的编译时综合错误消息的解释，以在数字设计中培养新工程师。

    Apr, 2024

  • VerilogEval：用于 Verilog 代码生成的大型语言模型的评估

    该论文提出了一种专门为评估大型语言模型在硬件设计和验证中的 Verilog 代码生成性能而设计的基准测试框架，演示了预训练语言模型的 Verilog 代码生成能力可以通过使用 LLM 生成的合成问题 - 代码对进行监督微调来提高。

    Sep, 2023

  • 高层综合下的电子设计自动化的跨模态程序表示学习

    通过深度和精细的方式，结合源代码序列模式和图模式的相互作用，自动预测高级综合设计的质量，并在设计空间探索任务中获得显著性能改进。

    Jun, 2024

  • 走向 ML4EDA 的 Imagenets

    描述了在硬件域中策划、维护和扩大两个大规模、高质量数据集的挑战，以及有关数据集质量、安全性和硬件领域定制数据增强工具的使用的相关问题。

    Oct, 2023

  • LLM4EDA：电子设计自动化的大型语言模型的新进展

    本文系统研究了大型语言模型在电子设计自动化领域的应用，分类研究了助理聊天机器人、硬件描述语言和脚本生成，以及硬件描述语言验证与分析三个方面，并强调了未来研究方向，重点关注逻辑综合、物理设计、多模态特征提取和电路对齐等领域。

    Dec, 2023

  • 电子设计自动化的机器学习：一份概览

    本文全面评述了现有机器学习技术在电子设计自动化领域的应用，分别从电子设计自动化的层次进行组织。

    Jan, 2021

  • ProgSG：电子设计自动化程序跨模态表示学习

    该论文提出了一种名为 ProgSG 的方法，结合源代码序列模态和图模态，实现深入和精细的互动，以促进领域特定加速器（DSAs）的自动化设计并解决现有高级综合工具需要进行微体系结构决策的问题。

    May, 2023

  • ChatEDA: 基于大型语言模型的 EDA 自主代理

    ChatEDA 是一个由大型语言模型 AutoMage 支持的自主代理系统，通过有效管理任务规划、脚本生成和任务执行，实现了从 RTL 到 GDSII 的设计流程简化，并且在处理多样化需求方面表现出卓越的性能。

    Aug, 2023