論文の概要: SynCircuit: Automated Generation of New Synthetic RTL Circuits Can Enable Big Data in Circuits

• arxiv url: http://arxiv.org/abs/2509.00071v1
• Date: Tue, 26 Aug 2025 15:11:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.049392
• Title: SynCircuit: Automated Generation of New Synthetic RTL Circuits Can Enable Big Data in Circuits
• Title（参考訳）: SynCircuit: 回路内のビッグデータを可能にする新しい合成RTL回路の自動生成
• Authors: Shang Liu, Jing Wang, Wenji Fang, Zhiyao Xie,
• Abstract要約: 我々は、HDLフォーマットで有効な機能を持つ新しい合成回路を生成するために、SynCircuitの最初の試みを行う。 本稿では,DCG(Directed Cyclic Graph)生成タスクを解決するための拡散モデルを提案する。 初期グラフ生成出力を精算することで回路制約を強制する。
• 参考スコア（独自算出の注目度）: 10.662964289811422
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, AI-assisted IC design methods have demonstrated great potential, but the availability of circuit design data is extremely limited, especially in the public domain. The lack of circuit data has become the primary bottleneck in developing AI-assisted IC design methods. In this work, we make the first attempt, SynCircuit, to generate new synthetic circuits with valid functionalities in the HDL format. SynCircuit automatically generates synthetic data using a framework with three innovative steps: 1) We propose a customized diffusion-based generative model to resolve the Directed Cyclic Graph (DCG) generation task, which has not been well explored in the AI community. 2) To ensure our circuit is valid, we enforce the circuit constraints by refining the initial graph generation outputs. 3) The Monte Carlo tree search (MCTS) method further optimizes the logic redundancy in the generated graph. Experimental results demonstrate that our proposed SynCircuit can generate more realistic synthetic circuits and enhance ML model performance in downstream circuit design tasks.
• Abstract（参考訳）: 近年、AIによるIC設計手法は大きな可能性を示しているが、特にパブリックドメインにおいて、回路設計データの入手は極めて限られている。 回路データの欠如は、AI支援IC設計手法の開発において主要なボトルネックとなっている。 本研究では,HDLフォーマットで有効な機能を持つ新しい合成回路を生成するための最初の試みであるSynCircuitを提案する。 SynCircuitは、3つの革新的なステップを持つフレームワークを使用して、自動的に合成データを生成する。 1)AIコミュニティではよく研究されていないDirected Cyclic Graph(DCG)生成タスクを解決するために,拡散型生成モデルを提案する。 2) 回路の有効性を確保するため, 初期グラフ生成出力を精算することにより, 回路制約を強制する。 3)モンテカルロ木探索法(MCTS)は,生成したグラフの論理冗長性をさらに最適化する。 実験により,提案したSynCircuitはよりリアルな合成回路を生成でき,下流回路設計タスクにおけるMLモデルの性能を向上させることができることが示された。

関連論文リスト

• AUTOCIRCUIT-RL: Reinforcement Learning-Driven LLM for Automated Circuit Topology Generation [6.2730802180534155]
  AUTOCIRCUIT-RLは、アナログ回路の自動合成のための新しい強化学習ベースのフレームワークである。 有効回路は12%増加し、最高のベースラインに比べて効率が14%向上する。 トレーニングデータに制限のある有効な回路で60%以上の成功を達成し、強力な一般化を示す。
  論文  参考訳（メタデータ） (2025-06-03T17:54:30Z)
• Architect of the Bits World: Masked Autoregressive Modeling for Circuit Generation Guided by Truth Table [5.300504429005315]
  本稿では,回路生成のための条件生成モデルと微分可能なアーキテクチャ探索(DAS)を組み合わせた新しい手法を提案する。 まず、Circuit AutoEncoderに基づいてトレーニングされた回路トークンであるCircuitVQを紹介する。 次に,トークンとしてCircuitVQを活用するマスク付き自己回帰モデルであるCircuitARを開発した。
  論文  参考訳（メタデータ） (2025-02-18T11:13:03Z)
• ShortCircuit: AlphaZero-Driven Circuit Design [12.3162550019215]
  チップ設計は、真理表のような関数記述からAND-Inverter Graphs(AIG)のような回路を生成することに大きく依存している。 近年のディープラーニングの進歩は回路設計を加速することを目的としているが、これらの取り組みは主に合成以外のタスクに焦点を当てている。 本稿では,AIGの構造特性を活用し,効率的な宇宙探査を行う新しいトランスフォーマーアーキテクチャであるShortCircuitを紹介する。
  論文  参考訳（メタデータ） (2024-08-19T10:03:14Z)
• CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
  本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。 オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。 我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
  論文  参考訳（メタデータ） (2023-08-31T02:20:25Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• INVICTUS: Optimizing Boolean Logic Circuit Synthesis via Synergistic Learning and Search [18.558280701880136]
  最先端論理合成アルゴリズムは、多数の論理最小化を持つ。 INVICTUSは、以前に見られた設計のトレーニングデータセットに基づいて、論理最小化のシーケンスを生成する。
  論文  参考訳（メタデータ） (2023-05-22T15:50:42Z)
• Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design [68.1682448368636]
  本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。 異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。 出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
  論文  参考訳（メタデータ） (2022-03-29T21:18:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。