OpenLSD是一个自适应开源数据集，旨在支持逻辑综合中的多种呆板学习使命。
2024-11-14，由中国科学院盘算技术研究所、鹏城实行室和北京大学等联合创建OpenLSD数据集，目标为逻辑综合过程中的呆板学习使命提供一个自适应的数据集生成框架。该数据集的核心研究题目是如安在逻辑综合的三个基本步骤——布尔表示、逻辑优化和技术映射中，通过呆板学习方法提升效率和质量。数据集地址：OpenLS-D|逻辑综合数据集|呆板学习数据集
一、研究背景：
逻辑综合是电子设计自动化（EDA）流程中的关键环节，它负责将高级设计规范转化为门级网络列表。近年来，呆板学习方法在逻辑优化、技术映射和形式验证等方面表现出了提升效率和质量的潜力。
目前遇到困难和挑战：
1、现有数据集多为特定使命定制，缺乏广泛适应性，无法满足多样化的呆板学习使命需求。
2、缺乏一个可以或许覆盖逻辑综合全流程的综合性数据集，导致研究工作重复且效率低下。
3、现有EDA流程中缺乏对数据集生成的专门支持，限定了呆板学习技术的应用和发展。
数据集地址：OpenLS-D|逻辑综合数据集|呆板学习数据集
二、 让我们一起来看一下OpenLSD数据集
OpenLSD是一个自适应开源数据集，旨在支持逻辑综合中的多种呆板学习使命。
OpenLSD数据集包罗46个组合设计，超过966,000个布尔电路，每个设计基于1000个综合配方生成21,000个电路。
数据集构建：
数据集通过一个自适应框架生成，该框架封装了逻辑综合的三个基本步骤：布尔表示、逻辑优化和技术映射。
框架可以或许保存中心文件中的原始信息，并以Verilog和GraphML格式存储，支持半定制化，允许研究职员添加步骤和逐步完满生成的数据集。
数据集特点：
1、多样性：覆盖广泛的设计类型和种别。
2、通用性：支持多种呆板学习使命。
3、适应性：可以或许适应不同使命，提取定制的子数据集。
数据集以Verilog和GraphML格式存储，支持半定制化，允许研究职员添加步骤和逐步完满生成的数据集。
基准测试：
通过电路分类、电路排名、质量预测和概率预测四个不同的卑鄙使命来验证数据集的多样性和广泛的实用性。
https://img-blog.csdnimg.cn/img_convert/47549f702dbf0eea8d7796d2cbe7f771.png
逻辑综合流程。
https://img-blog.csdnimg.cn/img_convert/43d5fd4fe025259638dbd6cb6fdc76a5.png
提出的自适应逻辑综合数据集生成框架针对多个使命
https://img-blog.csdnimg.cn/img_convert/48ac2e38bf4c6e27c64da726783dacf8.png
OpenLS-D中项目组件。为了方便，逻辑类型{OIG, XAG, MIG, PRIMARY}用省略号缩写。
https://img-blog.csdnimg.cn/img_convert/5db8651fb4563c935627b8a794978d63.png
通用电路类的统一建模语言（UML）类图。
https://img-blog.csdnimg.cn/img_convert/28372bf004f30df2545599c0a1bc9a96.png
三种图之间的节点对应关系：布尔电路、电路和Torch几何。
https://img-blog.csdnimg.cn/img_convert/c085ce04710fa1fa83dddf1bb4caac64.png
源设计的图嵌入相似性。
https://img-blog.csdnimg.cn/img_convert/2424f3fc1b360729e3fce0e0399a7bad.png
源设计的QoR（质量与可靠性）分布。每一行展示了不同设计之间的QoR分布，每一列呈现了单一设计中三种不同的QoR度量类型。面板(a)至(d)表现了设计优化AIGs的节点大小和图深度分布；(e)至(h)表现了相应ASIC网表的面积和到达时间分布；(i)至(l)表现了不同类型布尔网络的QoR分布的凸包。
https://img-blog.csdnimg.cn/img_convert/677359a6941eba42d9f3ede406850050.png
对于一个设计，随着AIG集合增量食谱大小的厘革，节点大小和图深度的分布。
三、让我们展望OpenLSD数据集的应用
比如，我一名电路设计师，手头有一个复杂的电路设计使命。
我日常工作通过传统的逻辑综合方法来一步步构建和优化电路。这意味着我得手动实验不同的逻辑优化策略，比如改变门的布局或者调整逻辑门的类型，来淘汰电路的耽误或者面积。我得查阅大量的文献和案例，看看别人是怎么办理类似题目的。然后，我得本身编写脚本来自动化一些流程，或者使用一些现成的工具，但这些工具大概并不完全符合我的需求。每次设计完成后，我还得手动举行验证，确保电路满足所有的性能要求，这个过程既耗时又容易出错。
现在有了OpenLSD数据集练习的智能系统：
我可以把设计使命输入到这个系统中，系统会根据数据会合的966,000多个布尔电路案例，给我提供一些优化建议。这些建议是基于呆板学习模子的，它们在过去的大量设计案例中学习到了哪些设计选择会导致性能提升。
当我正在设计一个需要快速响应的电路，智能系统会告诉我，根据OpenLSD数据集的分析，使用哪种逻辑门布局可以淘汰信号传播的耽误。我可以根据这些建议快速调整设计，然后智能系统会帮我预测这些改变对电路性能的影响，比如淘汰了多少耽误或者节流了多少面积。
当我在设计中遇到瓶颈，比如某个部门的电路总是无法满足性能要求，系统还可以帮我举行概率预测，分析电路中各个部门的可靠性，找出大概的题目点。这就像是有一个履历丰富的老师傅在旁边给我支招，告诉我那里大概出错，那里需要特别注意。
你知道吗？最棒的就是这个系统还可以帮我举行电路分类和排名，帮我快速比较不同的设计方案，找出哪个方案最有大概在实际应用中表现最好。这在项目时间紧迫的时候特别有用，因为我可以直接聚焦在那些最有潜力的方案上，而不是在一堆方案中浪费时间。
总的来说，有了OpenLSD数据集练习的智能系统，我的电路设计工作就像是有了一本百科全书和一个智能助手。我可以更快地做出决议，更准确地预测设计效果，而且还能从大量的案例中学习到新的设计理念和技巧。这不仅提高了我的工作效率，也让我的设计更加可靠和先辈。
更多免费数据集，请打开：遇见数据集
遇见数据集-让每个数据集都被发现，让每一次遇见都有价值遇见数据集，国内领先的百万级数据集搜索引擎，及时追踪全球数据集市场，助力把握数字经济时代机会。https://csdnimg.cn/release/blog_editor_html/release2.3.7/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=O83Ahttps://www.selectdataset.com/
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]