基于图神经网络的可扩展逻辑优化强化学习
机器学习
2021-05-06 v1
摘要
逻辑优化是一个NP-hard问题，通常通过手工启发式方法解决。我们提出将图卷积网络与强化学习以及一种新颖的可扩展节点嵌入方法相结合，以学习应对逻辑图应施加的局部变换。我们表明，该方法在较小电路上实现了与ABC相似的规模缩减，并在较大随机图上以1.5-1.75倍的优势超越ABC。
引用
@article{arxiv.2105.01755,
title = {Reinforcement Learning for Scalable Logic Optimization with Graph Neural Networks},
author = {Xavier Timoneda and Lukas Cavigelli},
journal= {arXiv preprint arXiv:2105.01755},
year = {2021}
}