- LLM 中的低秩知识蒸馏在微电子推理中是否有用?
该论文研究使用离线的大型语言模型(LLMs)在电子设计自动化(EDA)领域的可行性,并评估了一个当代语言模型(Llama-2-7B)在解决微电子相关问题中作为微电子问答专家以及其推理和生成能力的能力,研究采用了各种适应方法,包括引入一种新颖 - EDA 中的大型推理模型:从缺陷中学习的三维平面布局
Dreamweaver 是一种新型的自主决策模型,它通过结合序列到序列的增强学习算法在电子设计自动化中改进 3D 楼层规划。该方法的重要优势在于有效地处理大规模的离散行为空间,用于处理楼层规划中各个功能模块的众多潜在位置。此外,Dreamw - 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。
- IB-Net: 变量决策的初始分支网络在布尔可满足性中的应用
提出了 IB-Net 框架,利用图神经网络和新颖的图编码技术来模拟不可满足问题,并与先进的求解器交互,以加速解决逻辑等效性检查工作流程,实验证明其平均运行时间提速了 5.0%(工业数据)和 8.3%(SAT 竞赛数据)。
- 少即是多:基于跳数的图注意力用于电路的可扩展和通用学习
HOGA 是一种基于注意力机制的模型,能够在大规模、复杂电路问题中可扩展且具有泛化性,通过预先计算节点的逐跳特征并使用门控自注意力模块生成节点表示,自适应地学习不同跳之间的重要特征,因而适应不同电路结构,可在分布式环境下高效训练。在实验证明 - 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。
- EDALearn: 面向 EDA 研究的全面 RTL 到最终工艺工具(Signoff EDA)的性能基准测试
机器学习在电子设计自动化(EDA)和大规模集成电路(VLSI)设计中的应用引起了大量研究关注,本研究介绍了 EDALearn,一个综合的开源基准套件,特别用于 EDA 中的机器学习任务,以促进不同技术节点之间的机器学习可迁移性研究,并提供详 - 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。
- 电路作为点集
本文提出了一种新颖的电路设计方法,将电路组件视为点云,并使用基于 Transformer 的点云感知方法从电路中提取特征,实现了直接从原始数据进行特征提取,无需预处理,可进行端到端训练,并实现了高性能。该方法在拥堵预测任务和设计规则检查 ( - ICLRCktGNN:电子设计自动化的电路图神经网络
该论文介绍了一种用于模拟电路设计自动化的电路图神经网络(CktGNN),通过编码电路图并基于优化子程序自动生成电路拓扑结构和器件尺寸,提高了设计效率。同时,引入了一个名为 OCB 的公开数据集,用于评估和推广 CktGNN 在设计各种模拟电 - 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。
- 复杂 EDA 软件的新交互范式利用 GPT
通过使用人工智能插件 SmartonAI,结合 KiCad 软件的语言模型和设计功能,将电子设计自动化过程中的复杂命令转化为直观的语言交互,从而简化印刷电路板设计的流程。
- 布线引导黑盒优化实现的宏单元布局
本研究提出了一种基于黑箱优化(BBO)框架(称为 WireMask-BBO)的宏单元布局方法,通过使用电线掩蔽引导的贪婪过程进行目标评估。该算法在缩短半长度周边线的同时,大大节约了时间,具有在芯片布局方面提高质量和效率的潜力。
- 一种 Verilog 自动完成的深度学习框架 —— 向设计和验证自动化
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 c - 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。