电路仿真中的机器学习

Question

在VLSI设计领域，特别是在数字电路中，常用的是使用电气仿真软件来发现信号完整性问题。我想使用机器学习，而不是运行一个真正的电子模拟做同样的，以提高运行时间(模拟可能非常沉重)。例如，有两个输入和一个输出的NAND逻辑门，每个输入都有一个噪声故障，我想预测输出上可能出现的故障。故障是表示为一系列电压和时间点的波形。也就是说，对于给定的电路，我想建立一个模型，用于预测给定输入波形的输出波形。而不是运行一个(spice)仿真代码来分析计算结果，输出波形将由模型预测或估计。可以根据需要运行大量的真实模拟来生成大量的培训数据。我需要一个类型的机器学习算法和架构的方向。从我的研究中，我认为使用一个图-神经网络(GNN)可能是一个很好的方向，因为电路实际上是一个图，并且它的元素和其他图形属性之间的关系是很重要的。

谢谢!

Answer 1

对于波浪，人们通常使用序列模型，但为了这个目的，我认为使用CNN可能是最简单的。我对波形不是很熟悉，但它们似乎与驻波(时间无关)相似，甚至可能更好，因为它们也具有尺度不变性。假设输入波形的数目是相同的，我将简单地将它们并排叠加，并将结果作为任何其他图像来处理，并使用CNN进行图像分类。你可能也可以通过构建一个多输入CNN来进行分析，但是你可能必须从头开始构建它，我不知道这种架构的任何在线示例。