将电路视为点集
计算机视觉与模式识别
2023-10-27 v1
摘要
随着电路设计规模持续快速增长，人工智能技术正被广泛应用于电子设计自动化（EDA）以辅助电路设计。布局与布线是物理设计流程中最耗时的环节，如何快速评估布局已成为研究热点。已有工作要么使用手工设计方法将电路设计转换为图像，再用卷积神经网络（CNN）提取特征，其受限于手工方法的质量且无法实现端到端训练；要么将电路设计视为图结构并使用图神经网络（GNN）提取特征，这需要耗时的预处理。在我们的工作中，我们提出了一种新颖的电路设计视角：将电路元件视为点云，并使用基于 Transformer 的点云感知方法从电路中提取特征。该方法能够直接从原始数据提取特征而无需任何预处理，支持端到端训练，并取得了高性能。实验结果表明，我们的方法在 CircuitNet 和 ISPD2015 数据集的拥堵预测任务，以及 CircuitNet 数据集的设计规则检查（DRC）违规预测任务上均达到了最先进的性能。我们的方法在相对成熟的点云感知方法与快速发展的 EDA 算法之间架起了一座桥梁，使我们能够借助更多集体智慧来解决该任务。为促进开放 EDA 设计研究，源代码与预训练模型发布于 https://github.com/hustvl/circuitformer。
引用
@article{arxiv.2310.17418,
title = {Circuit as Set of Points},
author = {Jialv Zou and Xinggang Wang and Jiahao Guo and Wenyu Liu and Qian Zhang and Chang Huang},
journal= {arXiv preprint arXiv:2310.17418},
year = {2023}
}