CircuitFusion：面向敏捷芯片设计的多模态电路表示学习

基于摘要分析。该研究针对数字集成电路设计中方法依赖单一任务、仅用图结构而忽略功能信息的问题，提出多模态、实现感知的电路编码器 CircuitFusion，将硬件代码、结构图与功能摘要融合为可供不同电路设计任务使用的表示。其主要研究对象是电路，而非神经信号或 BCI。 方法围绕电路的并行执行、功能等价变换、多设计阶段和可复用性展开。预处理阶段以时序元件为边界，将电路拆分为具有三种模态的子电路，以支持细粒度编码。预训练阶段采用三个自监督任务，利用模态内与跨模态的等价变换，并借助多设计阶段信息，使表示与最终电路实现对齐；摘要未披露具体损失形式、融合结构及对齐目标。下游应用阶段采用检索增强推理，以相似已知电路作为预测参考。 作者报告，在五种电路设计任务的评估中，CircuitFusion 均优于各任务专门开发的最先进监督方法；作者还报告，检索增强推理可改善微调表现，并支持零样本推理。摘要未列出任务名称、数据集、划分、指标及提升幅度，因而尚不能判断收益规模或不同任务间的可比性。实验协议、消融及统计信息尚未验证。 复现时需要核对三模态数据的构建与配对方式、等价变换的有效性、多阶段实现信息的获取条件，以及检索库和评估样本的划分关系。上述条件是否具备会影响方法的可复用性，但不能仅凭摘要判断其存在问题。电路等价变换与设计阶段具有特定领域语义，材料尚未建立其与 EEG 数据的具体机制对应，因此不据此提出 BCI 迁移效果或复现实验建议。