通过光滑的一次性增强预测器改进可路由性预测

本研究解决了现代电子设计自动化工具中可路由性预测的优化问题，指出传统神经结构搜索(NAS)方法在该领域的局限性。提出了一种新型的NAS技术SOAP-NAS，结合了一次性学习和预测基的NAS，通过数据增强方法显著提升预测性能，实验结果表明其在DRC热点检测中的ROC-AUC指标较现有解决方案提高了40%。