arXiv · cs.AI · Chengdi Cao, Hanyu Wang, Wan-Hsuan Lin, Jason Cong · 10 小时前模型评分34
用图神经网络实现大函数的高效 NPN 分类
Efficient NPN Classification for Large Functions using Graph Neural Network
导读
研究者提出首个基于学习的 NPN 分类方法，把布尔函数的 NPN 等价判定转化为 NPN 动作预测，用双向异构图神经网络在 AND-Inverter Graph（AIG，与反相器图）上预测输入取反、输出取反和输入置换。该方法引入图重写减少逻辑网络的结构歧义，在可处理案例上接近精确方法，并可扩展到最多 16 个输入的函数。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this paper, we introduce the first learning-based formulation for NPN classification by recasting it as NPN action prediction.”
来源：arXiv · cs.AI · arxiv.org