Aug, 2023

GraPhSyM: 图物理综合模型

PDF
TL;DRGraPhSyM 是基于图注意力网络 (GATv2) 模型的一项工作，可从物理综合前电路网表中快速准确地估计电路延迟和面积指标，为早期电子设计自动化（EDA）阶段（如逻辑综合）提供准确的最终设计指标可见性，同时消除了运行慢的物理综合流程，实现跨阶段的全局协同优化，此外，GraPhSym 提供的快速而准确的反馈对于基于机器学习的 EDA 优化框架至关重要。
graphsymgraph attention networkcircuit delayarea metricseda optimization
发现论文，激发创造
  • 利用图网络学习模拟复杂物理现象

    本研究提出了一种基于图神经网络的模拟器框架，通过学习信息传递来模拟包括流体、刚性固体和可变形材料在内的各种复杂物理现象，模型从单一粒子预测到测试时的数千个粒子，并且能够处理不同的初始条件和数万个时间步骤，具有较强的可靠性与预测能力。

    Feb, 2020

  • 基于图注意力的模拟电路对称性约束提取

    提出了一种基于图的学习框架，用于自动提取模拟电路布局中的对称约束，并通过实验证明相比现有的对称约束检测方法，该框架在准确性和错误率方面具有更高的性能。

    Dec, 2023

  • 潜在的任务特定图网络模拟器

    利用最近的贝叶斯元学习方法将网格模拟作为元学习问题来处理，通过利用上下文数据和处理不确定性来提高图网络模拟器对新场景的适应性，结合运动原语实现高效的全轨迹预测，并验证了该方法的有效性。

    Nov, 2023

  • GraphSpeech: 基于语法感知的图注意力神经网络用于语音合成

    GraphSpeech 是在图神经网络框架下提出的神经 TTS 模型，明确编码输入词汇单元在句子中的句法关系，并将此信息合并到 TTS 注意机制中产生用于文本合成的字符表示向量。实验表明，GraphSpeech 在频谱和韵律的呈现方面稳定优于 Transformer TTS 基线。

    Oct, 2020

  • 用于车道智能模拟和拓扑无关的交叉路口交通网络注意力机制

    该研究提出了两种高效而准确的 “数字孪生” 模型，利用图注意力神经网络（GAT）来捕捉交叉口内交通的时态、空间和情境方面的因素，并具有多种应用，包括交通信号优化、车道重新配置、驾驶行为分析以及提升交叉口安全和效率增强等。

    Apr, 2024

  • 使用图嵌入网络学习基于网格的仿真

    MeshGraphNets 是一种利用图神经网络学习网格化仿真的框架，具有自适应性和高效性，能够应用于广泛的物理系统仿真任务。

    Oct, 2020

  • 用通用装置编码和图像注意力网络改革 TCAD 模拟

    使用人工智能和图形表示的创新方法，提出了一种在 TCAD 器件模拟中用于半导体器件编码的技术。提出了一个基于图形的通用编码方案，不仅考虑了材料级和器件级嵌入，还引入了一种新型的空间关系嵌入，灵感来自于有限元网格化中通常使用的插值运算。利用器件模拟中的通用物理定律进行综合的数据驱动建模，包括基于漂移扩散模型的拟合泊松仿真和电流电压（IV）预测。两者都采用了一种称为 RelGAT 的新型图形注意力网络。给出了基于设备模拟器 Sentaurus TCAD 的全面技术细节，使研究人员能够在设备级别采用提出的基于人工智能的电子设计自动化（EDA）解决方案。

    Aug, 2023

  • 使用图神经网络创造逼真的合成社交网络

    本研究评估了使用图神经网络（GNN）生成社交网络的潜力，发现 Gated Recurrent Attention Network（GRAN）比基准规则生成方法 Recursive-MATrix（R-MAT）更能复制结构动态，但计算成本略高。

    Dec, 2022

  • 探究图神经网络在 SDN 网络建模和优化中的潜力

    本文提出了一种基于图神经网络的网络建模技术，能够准确估计网络拓扑、路由和输入流量之间的复杂关系，从而优化网络性能，本技术对任意拓扑、路由和流量强度具有很好的泛化能力。

    Jan, 2019

  • 端到端的光谱时域图注意力网络用于说话人验证防欺诈和语音深度伪造检测

    本文提出了通过使用基于图注意力网络的声谱 - 时间表示学习方法，以及采用模型级别的图融合和图池化策略，进行深度伪造声音检测的方法， 在 ASVspoof 2019 数据库上达到了 1.06% 的等误率，是目前为止报告的最佳结果之一。

    Jul, 2021