OpenABC-D：用于机器学习引导集成电路综合的大规模数据集
机器学习
2021-10-25 v1 人工智能
系统与控制
系统与控制
摘要
逻辑综合是集成电路（IC）设计中一个具有挑战性且被广泛研究的组合优化问题。它将 Verilog 等编程语言中的硬件高层描述转换为实现该功能的最优数字电路网表，即相互连接的布尔逻辑门网络。受 ML 在其他领域解决组合与图问题成功的推动，设计 ML 引导的逻辑综合工具的兴趣日益增长。然而，该问题领域尚无标准数据集或典型学习任务的定义。在此，我们描述 OpenABC-D，一个通过使用领先的开源逻辑综合工具综合开源设计而产生的大规模带标签数据集，并展示其在开发、评估和基准测试 ML 引导逻辑综合中的用途。OpenABC-D 具有以 870,000 个与项-反相器图（AIG）形式存在的中间和最终输出，由 1500 次综合运行产生，外加诸如优化节点数和延迟等标签。我们在该数据集上定义了一个通用学习问题并为其基准测试了现有解法。与数据集创建和基准模型相关的代码见 https://github.com/NYU-MLDA/OpenABC.git。所生成的数据集见 https://archive.nyu.edu/handle/2451/63311
引用
@article{arxiv.2110.11292,
title = {OpenABC-D: A Large-Scale Dataset For Machine Learning Guided Integrated Circuit Synthesis},
author = {Animesh Basak Chowdhury and Benjamin Tan and Ramesh Karri and Siddharth Garg},
journal= {arXiv preprint arXiv:2110.11292},
year = {2021}
}
备注
18 pages