机器学习（ML）的进步正在彻底改变电子设计自动化（EDA），然而设计流程中存在独特的挑战，这需要创新的ML-CAD集成方案。本期特刊重点介绍了贯穿整个设计流程的ML应用，包括验证、测试和鲁棒性方面的内容，并解决了时序和功耗优化等关键瓶颈问题。
本期特刊源于2024年的MLCAD研讨会，应我们在2024年发布的征稿通知而诞生，收到了大量投稿。其中34篇论文被选中进行快速审阅和修改，因此特刊被分为两部分。第一部分包含了17篇文章，这些文章分为五个类别，旨在系统性地推动CAD领域中创新的ML方法的发展。
特刊中的文章分为五个类别。
用于HLS和逻辑综合的AI包含三篇文章：
第一篇文章《HLSRewriter：利用大语言模型（LLM）高效重构和优化C/C++代码以实现高级综合》介绍了一种基于LLM的工具，能够自动重构和优化C/C++代码，从而提高高级综合的效果。
第二篇文章《MapTune：通过强化学习指导的库调优实现通用ASIC技术映射》提出了一种强化学习框架，通过智能调整标准单元库的选择来优化技术映射。
第三篇文章《AiLO：利用多尺度交叉注意力变换器的逻辑优化预测框架》提出了一种基于变换器的模型，可以预测综合后的网表质量并指导逻辑优化决策。
用于电路优化的AI包含两篇文章，它们利用AI技术来优化数字和模拟电路：
第一篇文章《RL-MUL 2.0：结合并行深度强化学习和空间缩减的乘法器设计优化》提出了一种并行深度强化学习方法，通过减少设计空间来高效生成高性能乘法器电路。
第二篇文章《迈向通用且高效的电路拓扑设计：基于图变换器和课程学习的替代模型》提出了一种替代模型，利用图变换器和课程学习来加速并泛化最优电路拓扑的搜索过程。
用于物理设计和签收分析的AI包含四篇文章，这些文章利用AI技术进行物理设计和签收分析：
第一篇文章《改进的TransUNet框架：用于预测静态IR降额和芯片可路由性》提出了一种改进的TransUNet模型，能够在设计早期准确高效地预测IR降额热点和路由拥塞情况。
第二篇文章《基于ML的VCD处理：加速动态电压降分析》利用ML技术有选择地过滤值变化转储（VCD）数据，大幅加快了动态电压降分析的速度。
第三篇文章《FACT：商业EDA流程中快速准确的多角点时序预测器》提出了一种ML模型，能够提供快速准确的多角点时序预测，从而加快设计收敛速度。
第四篇文章《基于图神经网络的签收阶段故障率预测》提出了一种基于GNN的方法，可以直接从路由后的网表中预测故障引起的功耗，从而实现高质量的签收分析。
用于验证、测试和安全的AI包含五篇文章，这些文章利用AI技术进行验证、测试和安全硬件设计：
第一篇文章《DeepVerifier：学习更新测试序列以实现基于覆盖率的验证》提出了一种深度强化学习代理，能够动态更新测试序列以提高验证的功能覆盖率。
第二篇文章《改进大型语言模型以用于硬件验证：一种新的SystemVerilog断言数据集》提供了一个大规模、高质量的数据集，用于训练和评估生成SystemVerilog断言的LLM。
第三篇文章《利用动态邻域范围和Shapley值降低测试成本并最小化缺陷逃逸的新方法》提出了一种方法，通过动态邻域分析和Shapley值来智能选择测试模式。
第四篇文章《利用高斯过程回归和LHS及主动采样改进回收FPGA的检测》提出了一种方法，通过高斯过程回归和优化采样更准确地识别回收的FPGA。
第五篇文章《通过变异多样性搜索测试FPGA交互式调试工具》提出了一种自动化测试框架，利用变异分析在FPGA交互式调试工具中查找故障。
用于器件建模和单元特征化的AI包含四篇文章，这些文章利用AI技术进行器件建模和单元特征化：
第一篇文章《ZlibBoost：一种高效灵活的开源标准单元特征化框架》提出了一种开源的、基于ML的框架，能够加速并标准化标准单元特征化流程。
第二篇文章《利用物理辅助的Kolmogorov-Arnold网络生成精确的分析方程式用于紧凑模型建模》提出了一种新型网络架构，可以为半导体紧凑模型生成精确、可解释的分析方程式。
第三篇文章《基于TCAD-ML的商用SiC MOSFET TID紧凑模型开发》介绍了一种混合TCAD-ML工作流程，能够高效地为SiC功率晶体管构建总电离剂量（TID）效应的紧凑模型。
第四篇文章《利用多核稀疏表示对SRAM和模拟电路进行可扩展的产量分析》提出了一种多核稀疏回归模型，能够快速准确地估计内存和模拟电路的产量。
林一博
中国北京大学
Siddarth Garg
纽约大学
Hussam Amrouch
慕尼黑工业大学
Callie Hao
佐治亚理工学院
客座编辑
