Краткое содержание

arXiv:2504.10240v5 Тип объявления: замена-перекрёстная Аннотация: Предсказание цепей в схемах, которое позволяет выявлять отсутствующие соединения компонентов на основе неполных списков соединений, играет ключевую роль при автоматизации проектирования аналоговых схем. Однако существующие методы сталкиваются с тремя основными проблемами: 1) недостаточное использование топологических паттернов в графах схем снижает точность предсказаний; 2) нехватка данных из-за сложности аннотаций препятствует обобщению моделей; 3) ограниченная адаптируемость к различным форматам списков соединений ограничивает гибкость модели. Мы предлагаем метод прогнозирования связей в аналоговых схемах на основе нейронных сетей для работы с графами (Graph Neural Networks Based Analog Circuit Link Prediction — GNN-ACLP), основанный на использовании нейросетевых методов обработки графов и включающий три инновации для решения этих проблем. Во-первых, мы представляем фреймворк SEAL («обучение по подграфам, вложениям и атрибутам для задачи предсказания связей»), который обеспечивает высокую точность предсказания на уровне портов схемы. Во-вторых, мы предлагаем инструмент преобразования форматов списков соединений «Netlist Babel Fish», использующий генерацию с расширением поиска (Retrieval-Augmented Generation — RAG) с помощью...