ショートサーキット：AlphaZero駆動型回路設計

ShortCircuit: AlphaZero-Driven Circuit Design

August 19, 2024

著者: Dimitrios Tsaras, Antoine Grosnit, Lei Chen, Zhiyao Xie, Haitham Bou-Ammar, Mingxuan Yuan

cs.AI

要旨

チップ設計は、真理値表のような機能記述からAND-Inverter Graphs（AIG）などのブール回路を生成することに大きく依存しています。近年の深層学習の進歩は回路設計の高速化を目指していますが、これらの取り組みは合成以外のタスクに主に焦点を当てており、従来のヒューリスティック手法は頭打ち状態にあります。本論文では、AIGの構造的特性を活用し、効率的な空間探索を行う新しいトランスフォーマーベースのアーキテクチャであるShortCircuitを紹介します。深層ネットワークを使用してロジック回路をエンドツーエンドで生成しようとする従来のアプローチとは異なり、ShortCircuitは、教師あり学習と強化学習を組み合わせた2段階のプロセスを採用し、未見の真理値表への汎化を向上させます。また、二重指数関数的に大きい状態空間と報酬の希薄性に対処するためにAlphaZeroの変種を提案し、最適に近い設計の発見を可能にします。訓練されたモデルの生成性能を評価するために、20の実世界の回路からなるベンチマークセットから500の真理値表を抽出しました。ShortCircuitは、8入力のテスト真理値表の84.6%に対してAIGを生成することに成功し、回路サイズの点で最先端のロジック合成ツールであるABCを14.61%上回りました。

English

Chip design relies heavily on generating Boolean circuits, such as AND-Inverter Graphs (AIGs), from functional descriptions like truth tables. While recent advances in deep learning have aimed to accelerate circuit design, these efforts have mostly focused on tasks other than synthesis, and traditional heuristic methods have plateaued. In this paper, we introduce ShortCircuit, a novel transformer-based architecture that leverages the structural properties of AIGs and performs efficient space exploration. Contrary to prior approaches attempting end-to-end generation of logic circuits using deep networks, ShortCircuit employs a two-phase process combining supervised with reinforcement learning to enhance generalization to unseen truth tables. We also propose an AlphaZero variant to handle the double exponentially large state space and the sparsity of the rewards, enabling the discovery of near-optimal designs. To evaluate the generative performance of our trained model , we extract 500 truth tables from a benchmark set of 20 real-world circuits. ShortCircuit successfully generates AIGs for 84.6% of the 8-input test truth tables, and outperforms the state-of-the-art logic synthesis tool, ABC, by 14.61% in terms of circuits size.