ArtNet：基于层次聚类的人工 netlist 生成器，用于 ML 与 DTCO 应用
机器学习
2026-02-20 v2 硬件体系结构
摘要
在高级工艺节点上，功耗、性能和面积 (PPA) 的优化已变得极其复杂且具有挑战性。机器学习 (ML) 和设计-技术协同优化 (DTCO) 提供了可行的解决方案，但受限于缺乏多样化训练数据以及长设计流程的响应时间 (TAT)。我们提出了 ArtNet，一种新的人工 netlist 生成器，旨�解决上述问题。不同于以往方法，ArtNet 复制了关键拓扑特征，增强了 ML 模型的泛化能力，支持更广泛的设计空间探索。通过生成更贴近目标参数的真实感人工数据集，ArtNet 实现了更高效的 PPA 优化与流程、设计使能性的探索。在基于 CNN 的 DRV 预测情境下，ArtNet 的数据增强相较于仅使用原始（真实）数据集提升了 0.16 的 F1 分数。在 DTCO 语境中，ArtNet 生成的微型脑器件实现了最高达 97.94% 的 PPA 匹配，表明其与目标大规模块级设计的设计指标高度一致。
引用
@article{arxiv.2510.13582,
title = {ArtNet: Hierarchical Clustering-Based Artificial Netlist Generator for ML and DTCO Application},
author = {Andrew B. Kahng. Seokhyeong Kang and Seonghyeon Park and Dooseok Yoon},
journal= {arXiv preprint arXiv:2510.13582},
year = {2026}
}