DeepGate2：功能感知的电路表征学习

DeepGate2 面向数字电路表征学习，目标是让电路元件的神经表征更充分地反映逻辑功能，并服务于电子设计自动化（EDA）与逻辑推理任务。基于摘要分析，本文的主要贡献是利用采样逻辑门之间的成对真值表差异提供训练监督，结合显式考虑电路功能的可扩展损失，以及依据电路固有特性设计的单轮图神经网络（GNN）。 方法机制上，真值表差异为逻辑门的功能关系提供监督，而不只是依靠电路连接结构学习表征。摘要未给出差异的具体计算方式、损失公式、逻辑门采样策略及单轮消息传递细节，因此尚不能判断各模块的独立贡献。作者将 DeepGate 作为主要改进对象，认为既有方法受到监督较弱或模型设计问题的限制；这些判断仍需结合正文中的对照实验核实。 作者报告，相对于原始 DeepGate，DeepGate2 的学习速度提升一个数量级，并在逻辑综合和布尔可满足性求解两类下游任务中取得显著改进。摘要未提供对应电路数据、数据划分、硬件与计时口径、具体任务指标或统计检验信息，不能据此比较泛化能力或端到端收益。实验协议、消融及统计信息尚未验证。摘要声明代码可用，但仓库可访问性、依赖与复现配置尚未核验。 该研究的主要对象是具有明确逻辑功能的数字电路，而非脑信号。其关键监督依赖真值表所定义的功能差异；现有材料未建立这种监督与 EEG 低信噪比、跨被试或跨会话问题之间的具体对应关系，因此不据此提出 BCI 迁移效果或复现实验建议。已有 EEG 相关工作尚未检索确认。