基于影响度辅助规范形的快速精确 NPN 分类
机器学习
2023-08-25 v1 计算机科学中的逻辑
摘要
NPN 分类在数字电路的综合与验证中有诸多应用。基于规范形的方法是最常用的途径：先设计一个规范形作为 NPN 等价类的代表，再根据该规范形计算变换函数。大多数工作利用变量对称性及若干主要基于余因子的签名，来简化规范形的构造与计算。本文通过将布尔影响度这一布尔函数分析中的基本概念引入 NPN 分类，描述了一种新颖的规范形及其计算算法。我们证明影响度独立于输入取反、依赖于输入置换，且相比既往签名含有其他用于 NPN 分类的结构信息。因此，它是加速 NPN 分类的重要因素。实验结果证明，影响度在减少规范形计算中的变换枚举方面具有重要作用。与 ABC 中实现的最先进算法相比，我们用于精确 NPN 分类的影响度辅助规范形获得了最高 5.5 倍的加速。
引用
@article{arxiv.2308.12311,
title = {Fast Exact NPN Classification with Influence-aided Canonical Form},
author = {Yonghe Zhang and Liwei Ni and Jiaxi Zhang and Guojie Luo and Huawei Li and Shenggen Zheng},
journal= {arXiv preprint arXiv:2308.12311},
year = {2023}
}
备注
To be appeared in ICCAD'23