Oct, 2023
利用扩散模型提高数字 VLSI 电路的机器学习模型准确性：关于合成数据生成的研究
Enhancing ML model accuracy for Digital VLSI circuits using diffusion models: A study on synthetic data generation
Prasha Srivastava, Pawan Kumar, Zia Abbas
TL;DR通过采用扩散模型在电路生成上进行人工数据生成的研究，用于提高在通常训练数据非常有限的情况下，机器学习模型在性能评估、设计和测试等任务中的准确性，本研究利用 HSPICE 设计环境中 22 纳米 CMOS 技术节点的仿真来获取真实代表性的训练数据，并证明了扩散模型生成的合成数据与真实数据的密切相似性，通过验证生成数据的质量，证明数据增强在数字电路的 VLSI 设计的预测分析中确实有效。