MTLSO：一种用于逻辑综合优化的多任务学习方法
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对电子设计自动化中逻辑综合阶段面临的数据稀缺与高阶图表示学习困难问题，提出了MTLSO多任务学习方法。通过引入辅助的二元多标签图分类任务，结合主回归任务，提升了模型的学习能力并充分利用有限的数据。实验结果表明，该方法在延迟和面积上的平均性能分别提高了8.22%和5.95%，展示了其显著的优势和潜在影响。
研究发现预训练代理器在面对全新设计时可能偏离轨道，对搜索轨迹产生不利影响。提出了ABC-RL，通过调整α参数来优化搜索过程，提供了优越的综合方案。结果显示，合成电路质量结果显著改进，性能提高了最高达24.8%。与当前方法相比，ABC-RL减少了运行时间高达9倍。
