DeepCell：面向电路表示学习的自监督多视图融合
机器学习
2025-07-09 v2 人工智能
摘要
我们提出了 DeepCell，一种新颖的电路表示学习框架，有效整合来自 And-Inverter 图 (AIG) 和后映射 (PM) 网表的多视图信息。DeepCell 核心采用受掩码语言建模启发的自监督掩码电路建模 (Mask Circuit Modeling, MCM) 策略，用于融合不同设计阶段中来自不同表征的互补电路表示，生成统一且丰富的嵌入。据我们所知，DeepCell 是首个专为 PM 网表表示学习设计的框架， 在预测准确率和重构质量方面均达到新的基准。我们通过将其应用于关键 EDA 任务，如功能工程变更订单 (ECO) 和技术映射，展示了 DeepCell 的实际有效性。大量实验结果表明，DeepCell 在效率和性能上显著优于最新的开源 EDA 工具。
引用
@article{arxiv.2502.06816,
title = {DeepCell: Self-Supervised Multiview Fusion for Circuit Representation Learning},
author = {Zhengyuan Shi and Chengyu Ma and Ziyang Zheng and Lingfeng Zhou and Hongyang Pan and Wentao Jiang and Fan Yang and Xiaoyan Yang and Zhufei Chu and Qiang Xu},
journal= {arXiv preprint arXiv:2502.06816},
year = {2025}
}