TAG：从布局中学习电路空间嵌入
硬件体系结构
2022-09-09 v1 机器学习
摘要
模拟与混合信号(AMS)电路设计仍依赖人类设计专长。机器学习通过将人类经验替换为人工智能来辅助电路设计自动化。本文提出 TAG，一种利用文本、自注意力与图从布局中学习电路表示的新范式。该嵌入网络模型无需人工标注即可学习空间信息。我们向 AMS 电路学习引入文本嵌入与自注意力机制。实验结果证明了利用工业 FinFET 技术基准预测实例间布局距离的能力。该电路表示的有效性通过其在案例研究中以有限数据迁移至另外三个学习任务得到验证：布局匹配预测、线长估计与网表寄生电容预测。
引用
@article{arxiv.2209.03465,
title = {TAG: Learning Circuit Spatial Embedding From Layouts},
author = {Keren Zhu and Hao Chen and Walker J. Turner and George F. Kokai and Po-Hsuan Wei and David Z. Pan and Haoxing Ren},
journal= {arXiv preprint arXiv:2209.03465},
year = {2022}
}
备注
Accepted by ICCAD 2022