针对形式化规范的迭代式电路修复

我们提出了一种深度学习方法来修复给定线性时序逻辑（LTL）形式化规范的时序电路。给定一个缺陷电路及其形式化规范，我们训练 Transformer 模型以输出满足相应规范的电路。我们提出了一种分离式分层 Transformer，用于形式化规范与电路的多模态表示学习。我们引入了一种数据生成算法，该算法能够泛化到更复杂的规范以及分布外数据集。此外，我们提出的修复机制显著改进了基于 Transformer 从 LTL 规范自动合成电路的方法。在保留测试实例上，它将最先进水平提高了 $6.8$ 个百分点；在来自年度反应式合成竞赛的分布外数据集上，提高了 $11.8$ 个百分点。