NAC-Cap：基于深度学习的神经网络架构搜索和数据增强的三维电容提取

本研究解决了在先进工艺技术下集成电路设计中对电容提取精度的要求，同时克服了传统模式匹配和场求解方法的不足。通过结合神经网络架构搜索和数据增强，提出了一种新的CNN模型训练方法，使得NAS-Cap模型在不同设计数据集上的准确性显著高于CNN-Cap，并在推理时间和模型存储空间方面表现更佳。该方法的可迁移性也得到了验证，显示出较好的错误降低效果。