从规约模式合成神经电路
机器学习
2021-07-27 v1 计算机科学中的逻辑
摘要
我们训练分层Transformer，用于直接从线性时序逻辑(LTL)中的高层逻辑规约合成硬件电路。LTL合成问题是众所周知的算法挑战，历史悠久，并设有年度竞赛以追踪算法与工具随时间的改进。使用机器学习的新方法可能在该领域开启大量可能性，但受限于缺乏充足的训练数据。本文中，我们考虑一种生成大量额外训练数据（即规约及其对应实现电路的对）的方法。我们通过从合成竞赛所用规约中挖掘常见模式，确保该合成数据足够接近人工书写的规约。我们展示在此合成数据上训练的分层Transformer解决了合成竞赛中相当比例的题目，甚至包括来自近期案例研究的分布外样本。
关键词
引用
@article{arxiv.2107.11864,
title = {Neural Circuit Synthesis from Specification Patterns},
author = {Frederik Schmitt and Christopher Hahn and Markus N. Rabe and Bernd Finkbeiner},
journal= {arXiv preprint arXiv:2107.11864},
year = {2021}
}