面向集成电路的数据驱动编码器：基于图对比预训练的 DICE
机器学习
2025-05-20 v2
摘要
基于无监督图表示学习进行预训练在社交网络分析、分子设计和电子设计自动化(EDA)等领域取得了显著进展。然而，EDA 领域的现有工作主要聚焦于针对数字电路预训练模型，忽视了模拟电路和混合信号电路。为弥合这一差距，我们提出 DICE，即 Device-level Integrated Circuits Encoder，这是第一个为模拟和数字电路的图级预测任务专门设计的基于图对比学习的自监督预训练图神经网络(GNN)。DICE 采用基于图对比学习的仿真-free 预训练方法，利用两种新颖的图增强技术。实验结果在三个下游任务上均显示出显著的性能提升，凸显了 DICE 在模拟和数字电路中的有效性。代码已在 github.com/brianlsy98/DICE 上提供。
引用
@article{arxiv.2502.08949,
title = {DICE: Device-level Integrated Circuits Encoder with Graph Contrastive Pretraining},
author = {Sungyoung Lee and Ziyi Wang and Seunggeun Kim and Taekyun Lee and Yao Lai and David Z. Pan},
journal= {arXiv preprint arXiv:2502.08949},
year = {2025}
}