研究文章

网络表表示学习中的功能性问题

作者:

于黄作者信息和声明

DAC’22：第59届ACM/IEEE设计自动化会议记录

2022年7月

页61-66

https://doi.org/10.1145/3489517.3530410

出版:2022年8月23日出版历史记录

获取访问权限

摘要

从原始的网关级网表学习可行的表示对于将机器学习技术融入逻辑合成、物理设计或验证至关重要。现有的基于消息传递的图学习方法只关注图拓扑，而忽略了门功能，这通常无法捕获底层语义，从而限制了它们的通用性。为了解决这个问题，我们提出了一个新的网表表示学习框架，该框架利用对比方案从网表中有效地获取泛函知识。我们还提出了一种定制的图神经网络（GNN）架构，该架构学习一组独立的聚合器，以更好地与上述框架协作。对多个复杂现实世界设计的综合实验表明，我们提出的解决方案显著优于最新的网表特征学习流。

工具书类

[1]

Y.Ma、H.Ren、B.Khailany、H.Sikka、L.Luo、K.Natarajan和B.Yu，《高性能图卷积网络及其在测试性分析中的应用》程序。数模转换器2019年，第1-6页。

[2]

H.Geng、Y.Ma、Q.Xu、J.Miao、S.Roy和B.Yu，“通过图形神经过程进行高速加法器设计空间探索”IEEE TCAD, 2021.

[3]

G·黄、J·胡、Y·何、J·刘、M·马、Z·沈、J·吴、Y·徐、H·张、K·钟等。，“电子设计自动化的机器学习：调查”ACM TODAES公司，第26卷，第5期，第1-46页，2021年。

数字图书馆

[4]

W.Li、A.Gascon、P.Subramanyan、W.Y.Tan、A.Tiwari、S.Malik、N.Shankar和S.A.Seshia，《Wordrev:在比特级门的海洋中发现字级结构》，in程序。主机。IEEE，2013年，第67-74页。

[5]

A.Fayyazi、S.Shababi、P.Nuzzo、S.Nazarian和M.Pedram，《使用稀疏映射和依赖电平的衰减和电路表示的基于深度学习的电路识别》程序。日期2019年，第638-641页。

[6]

何振中、王振中、白振中、杨浩、余斌，“基于图形学习的算术块识别”，in程序。国际计算机辅助设计协会, 2021.

[7]

K.Xu、W.Hu、J.Leskovec和S.Jegelka，“图形神经网络有多强大？”程序。ICLR公司, 2018.

[8]

W.Hamilton、Z.Ying和J.Leskovec，“大型图的归纳表示学习”，in程序。NIPS公司2017年，第1024-1034页。

数字图书馆

[9]

P.Velićković、G.Cucurull、A.Casanova、A.Romero、P.Lio和Y.Bengio，“图形注意力网络”程序。ICLR公司, 2018.

[10]

M.Zhang和Y.Chen，“基于图形神经网络的链接预测”程序。NIPS公司第31卷，第5165-5175页，2018年。

[11]

龚瑜、朱瑜、段立安、刘淇、关志刚、孙凤、欧文蔚和朱国庆，“通过最大团优化实现精确K推荐”程序。KDD公司第617-626页，2019年。

[12]

T.Chen、Q.Sun、C.Zhan、C.Liu、H.Yu和B.Yu，“深度H-gcn：快速模拟老化诱导降解估算”IEEE TCAD, 2021.

[13]

V.Thost和J.Chen，“有向非循环图神经网络”arXiv预印本arXiv：2101.07965, 01 2021.

[14]

M.Zhang、S.Jiang、Z.Cui、R.Garnett和Y.Chen，“D-vae:有向非循环图的变分自动编码器”程序。NIPS公司, 2019.

[15]

P.Bachman、R.D.Hjelm和W.Buchwalter，“通过最大化视图之间的相互信息来学习表征，”程序。NIPS公司第32卷，第15 535--15 545页，2019年。

[16]

T.Chen、S.Kornblith、M.Norouzi和G.Hinton，《视觉表征对比学习的简单框架》程序。ICML公司2020年，第1597-1607页。

[17]

B.Poole、S.Ozair、A.Van Den Oord、A.Alemi和G.Tucker，《关于相互信息的变分界限》程序。ICML公司2019年，第5171-5180页。

[18]

P.Velickovic、W.Fedus、W.L.Hamilton、P.Lió、Y.Bengio和R.D.Hjelm，“深度图infomax”程序。ICLR公司，第2卷，第3期，第4页，2019年。

[19]

Y.You、T.Chen、Y.Sui、T.陈、Z.Wang和Y.Shen，“图形对比学习与增强”程序。NIPS公司第33卷，第5812-5823页，2020年。

[20]

朱毅、徐毅、于凤、刘淇、吴树森和王丽萍，《图形对比学习与自适应增强》网络会议2021年，第2069-2080页。

[21]

Y.Tian、C.Sun、B.Poole、D.Krishnan、C.Schmid和P.Isola，“是什么为对比学习提供了好的观点？”arXiv预打印arXiv:2005.10243, 2020.

[22]

T.Xiao、X.Wang、A.A.Efros和T.Darrell，“对比学习中不应该对比什么，”arXiv预打印arXiv:2008.05659, 2020.

[23]

T.Chen、Y.Sun、Y.Shi和L.Hong，“关于基于神经网络的协同过滤的采样策略”程序。KDD公司2017年，第767-776页。

[24]

K.Sohn，“利用多类n对损失目标改进深度度量学习”，in程序。NIPS公司2016年，第1857-1865页。

[25]

N.Homma、Y.Watanabe、T.Aoki和T.Higuchi，“基于算术描述语言的算术电路形式化设计”IEICE传输。基本原理2006年，第89卷，第12期，第3500-3509页。

数字图书馆

引用人

陆Y任H肖H林斯（Lim S）(2024)GAN-Place：利用生成性对抗网络和转移学习将开源放置者提升到商业质量ACM电子系统设计自动化汇刊10.1145/363646129:2(1-17)在线发布日期：2024年2月14日
https://dl.acm.org/doi/10.1145/3636461
郑HHe Z公司刘菲裴Z于B金·T(2024)LSTP：一种逻辑综合时序预测器第29届亚洲及南太平洋设计自动化会议记录10.1109/ASP-DAC58780.2024.10473925(728-733)在线发布日期：2024年1月22日
https://dl.acm.org/doi/10.1109/ASP-DAC58780.2024.10473925
阿加莫哈迈迪Y热宰A(2024)基于机器学习的逻辑锁安全性评估与开销分析硬件和系统安全杂志2007年10月17日/41635-024-00144-8在线发布日期：2024年1月22日
https://doi.org/10.1007/s41635-024-00144-8
显示更多引用者

建议

零变化网表转换：一种新的布局基准测试技术

本文引入零变换网表变换（ZCNT）的概念，以：1）量化人工构造实例上现有砂矿的次优度，2）“部分”量化。。。
阅读更多信息
通过零变换网表变换评估砂矿次优度
ISPD’05：2005年物理设计国际研讨会论文集

本文引入零变换的概念来量化现有砂矿的次优性。给定一个netlist及其在placer中的位置，我们正式定义了一类产生不同。。。
阅读更多信息
通过相互作用的网表转换和布局实现性能优化

在当今高度集成电路的所有设计阶段，性能优化已经成为最重要的问题之一。在逻辑综合过程中，性能优化仅由粗糙网延迟模型指导。因此，净延迟不能。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

DAC’22：第59届ACM/IEEE设计自动化会议记录

2022年7月

1462页

国际标准图书编号：9781450391429

内政部：10.1145/3489517

总主席：
罗布·奥萨纳
恩智浦

版权所有©2022 ACM。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重ACM以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布、在服务器上发布或重新分发到列表，需要事先获得特定许可和/或收取费用。从请求权限[电子邮件保护]

赞助商

SIGDA:ACM设计自动化特别兴趣小组
IEEE CEDA

出版商

计算机协会

美国纽约州纽约市

出版历史记录

出版：2022年8月23日

权限

请求对此文章的权限。

检查更新

限定符

研究文章

会议

DAC’22

赞助商：

SIGDA公司

DAC’22:第59届ACM/IEEE设计自动化会议

2022年7月10日至14日

加利福尼亚州，旧金山

接受率

5499份提交文件的总体接受率为1770，32%

即将召开的会议

25年DAC

赞助商：
西格达

第62届ACM/IEEE设计自动化会议

2025年6月22日至26日

旧金山，加利福尼亚州，美国

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

13
引文总数
查看引文
911
总下载次数

下载次数（过去12个月）456
下载次数（最近6周）34

其他指标

查看作者指标

引文

引用人

陆Y任H肖H林斯（Lim S）(2024)GAN-Place：利用生成性对抗网络和转移学习将开源放置者提升到商业质量ACM电子系统设计自动化汇刊10.1145/363646129:2(1-17)在线发布日期：2024年2月14日
https://dl.acm.org/doi/10.1145/3636461
郑HHe Z公司刘菲裴Z于B金·T(2024)LSTP：一种逻辑综合时序预测器第29届亚洲及南太平洋设计自动化会议记录10.1109/ASP-DAC58780.2024.10473925(728-733)在线发布日期：2024年1月22日
https://dl.acm.org/doi/10.1109/ASP-DAC58780.2024.10473925
阿加莫哈迈迪Y热宰A(2024)基于机器学习的逻辑锁安全性评估与开销分析硬件和系统安全杂志2007年10月17日/41635-024-00144-8在线发布日期：2024年1月22日
https://doi.org/10.1007/s41635-024-00144-8
陆Y任H肖H林斯（Lim S）吉尼D惠如江一(2023)梦想之门2023年物理设计国际研讨会论文集10.1145/3569052.3572993(141-148)在线发布日期：2023年3月26日
https://dl.acm.org/doi/10.1145/3569052.3572993
阿尔拉希斯·LKnechtel J公司Sinanoglu O公司高桥A(2023)图形神经网络第28届亚洲及南太平洋设计自动化会议记录10.1145/3566097.3568345(83-90)在线发布日期：2023年1月16日
https://dl.acm.org/doi/10.1145/3566097.3568345
乔杜里A班达里J科利尼L卡里·R棕褐色B加格S(2023)ConVERTS：结构InVariant网表表示的对比学习2023年ACM/IEEE第五届CAD机器学习研讨会（MLCAD）10.1109/MLCAD58807.2023.10299862(1-6)在线发布日期：2023年9月10日
https://doi.org/10.1109/MLCAD58807.2023.10299862
施Z平移H可汗S李明（Li M）刘毅黄J甄H元（M）楚Z徐Q(2023)DeepGate2：功能感知电路表示学习2023 IEEE/ACM国际计算机辅助设计会议（ICCAD）10.1109/ICCAD57390.2023.10323798(1-9)在线发布日期：2023年10月28日
https://doi.org/10.1109/ICCAD57390.2023.10323798
李毅刘敏（Liu M）米什琴科A于C(2023)受邀论文：Verilog-to-PyG——RTL设计的图形学习和增强框架2023 IEEE/ACM国际计算机辅助设计会议（ICCAD）10.1109/ICCAD57390.2023.10323741(1-4)在线发布日期：2023年10月28日
https://doi.org/10.1109/ICCAD57390.2023.10323741
王Z刘SPu Y公司陈SHo T公司于B(2023)基于多模态融合的容错时序预测2023年第60届ACM/IEEE设计自动化会议（DAC）10.1109/DAC56929.2023.10247802(1-6)在线发布日期：2023年7月9日
https://doi.org/10.109/DAC56929.2023.10247802
刘S王Z刘菲林毅（Lin Y）于BWong M公司(2023)基于Deep Steiner点精化的并发签收时间优化2023年第60届ACM/IEEE设计自动化会议（DAC）10.1109/DAC56929.2023.10247794(1-6)在线发布日期：2023年7月9日
https://doi.org/10.109/DAC56929.2023.10247794
显示更多引用者

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

媒体

数字

其他

桌子