基于 VLSI 的 Pieceformer：相似性驱动的可扩展图变换器知识迁移
机器学习
2025-06-23 v1 系统与控制
系统与控制
摘要
准确的图相似性对于 VLSI 设计中的知识迁移至关重要，能够实现对先前解决方案的重用，从而减少工程 effort 和交付时间。我们提出了 Pieceformer，一个可扩展的、自监督的相似性评估框架，配备混合消息传递和图变换器编码器。为解决变换器的可扩展性问题，我们采用线性变换器底层架构，并引入分区训练管道以实现高效的内存和并行管理。在合成和真实世界 CircuitNet 数据集上的评估表明，Pieceformer 比基线方法将平均绝对误差(MAE)降低了 24.9%，且是唯一正确聚类所有真实世界设计组的方法。我们进一步通过在分割任务上的案例研究演示了模型的实际用途，实现了最高 89% 的运行时降低。这些结果验证了该框架在现代 VLSI 系统中实现可扩展、无偏见的设计重用的有效性。
引用
@article{arxiv.2506.15907,
title = {Pieceformer: Similarity-Driven Knowledge Transfer via Scalable Graph Transformer in VLSI},
author = {Hang Yang and Yusheng Hu and Yong Liu and Cong and Hao},
journal= {arXiv preprint arXiv:2506.15907},
year = {2025}
}
备注
7 pages, 4 figures, 1 table, submitted