利用图神经网络自动在印刷电路板原理图中添加优化元件
机器学习
2025-06-13 v1
摘要
印刷电路板（PCB）原理图的设计与优化对于开发高质量电子设备至关重要。因此，一项重要任务是通过添加能够提高电路鲁棒性和可靠性的元件来优化草图，例如上拉电阻或去耦电容。由于熟练工程师短缺且手动优化非常耗时，这些最佳实践经常被忽视。然而，这通常会导致后期开发阶段的故障排查成本增加以及产品生命周期缩短，从而产生大量难以回收的电子废弃物。在这里，我们提出了一种通过将PCB表示为二分图并利用基于图神经网络（GNN）的节点对预测模型来自动添加新元件的方法。我们将该方法应用于三个高度相关的PCB设计优化任务，并在人类专家标注的真实数据集上比较了多种流行GNN架构的性能。我们证明了GNN能够高精度地解决这些问题，并展示了我们的方法有望以时间和成本高效的方式自动化PCB设计优化。
引用
@article{arxiv.2506.10577,
title = {Graph Neural Networks for Automatic Addition of Optimizing Components in Printed Circuit Board Schematics},
author = {Pascal Plettenberg and André Alcalde and Bernhard Sick and Josephine M. Thomas},
journal= {arXiv preprint arXiv:2506.10577},
year = {2025}
}