当前位置:首页 > 报告详情

利用 GNN 提升晶体管级电路仿真性能.pdf

上传人: 芦苇 编号:651797 2025-05-01 30页 2.49MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文提出了一种名为GPTA的新型电路级仿真器,该仿真器利用图神经网络(GNN)来自动选择最佳的伪元件嵌入位置,从而提高晶体管级电路仿真的性能。GPTA框架包括三个主要部分:图表示、EnhanceSAGE和层间池化和预测。 图表示方面,作者采用了一种新颖的方法,将电路节点作为顶点,设备作为边,构建图。这种方法简化了电路,同时保留了关键的拓扑信息。 EnhanceSAGE方面,作者对传统的GNN模型进行了改进,提出了多头消息传递、自适应消息过滤和最终输出融合等关键增强技术,以更好地捕捉电路的复杂特征。 层间池化和预测方面,作者提出了一种新的方法,该方法可以充分利用传统GNN模型中通常被忽视的多个中间层特征,从而提高分类任务的性能。 实验结果显示,GPTA在不同的PTA方法下均取得了显著的速度提升,平均速度提升达到了9.0x、3.1x、1.6x和2.4x。此外,GPTA还显著提高了电路仿真的鲁棒性,解决了之前许多无法收敛的电路问题。在分类指标上,EnhanceSAGE模型表现最佳,证明了多头消息传递、自适应消息过滤和最终输出融合等技术的重要性。 综上所述,本文提出了一种基于GNN的晶体管级电路仿真器GPTA,通过提取电路拓扑特征和利用图神经网络,显著提高了电路仿真的速度和准确性。
"如何提高电路仿真效率?" "GNN在电路设计中的应用前景如何?" "如何选择最佳的伪元件嵌入位置?"
客服
商务合作
小程序
服务号
折叠