Ckt2Vec: Efficient Electrical Encoding for Analog Circuit Representations in Vector Space

Peng Xu

doi:10.1109/tcad.2025.3643366

Ckt2Vec: Efficient Electrical Encoding for Analog Circuit Representations in Vector Space

2025-12-11

0

PRE

AI

DOI：10.1109/tcad.2025.3643366

原文链接

原文求助

摘要

En 中文

由于器件的连续电气特性，与数字电路的离散状态相比，模拟电路的表示学习具有挑战性。尽管图神经网络（GNNs）在模拟电路任务中显示出前景，但现有方法忽略了支配器件特定行为的固有电气属性。传统的器件特征编码方法存在局限性：独热编码空间消耗大且无法有效表征器件间的相似性，而文本编码引入了错误的估计。我们提出了Ckt2Vec，一种将电气特性整合到模拟电路表示学习的新型框架。通过光谱提取器对电流-电压（I–V）曲线的频域嵌入进行编码，Ckt2Vec将非线性器件特定行为压缩到低维嵌入中，同时保持物理保真度。一种基于图的对比学习方法进一步生成层次化电路表示，捕捉了块级和系统级交互。在电路分类、子电路检测和电路编辑距离预测三个下游任务上评估，Ckt2Vec在空间消耗更少、捕捉模拟行为能力更强方面优于传统的独热编码和基于文本的编码方法。

Keyword:

Analog integrated circuits

contrastive learning

feature extraction

graph neural networks

integrated circuit modeling

Ckt2Vec: Efficient Electrical Encoding for Analog Circuit Representations in Vector Space

摘要

期刊

机构

引用论文