Die Analyse des durchschnittlichen Energieverbrauchs ist von entscheidender Bedeutung für das Design von groß angelegten digitalen integrierten Schaltungen. Mit der Anwendung von datengetriebenen maschinellen Lernmethoden im Bereich des elektronischen Entwurfsautomatisierungs (EDA) wächst der Bedarf an massiven Datensätzen stetig. Um diesem Bedarf gerecht zu werden, schlägt dieser Artikel einen neuen Algorithmus zur Generierung von Pseudoelektrischen Schaltungen vor, der auf der topologischen Struktur von Graphen basiert. Dieser Algorithmus konvertiert einen zufällig generierten gerichteten azyklischen Graphen in eine Verilog-Pseudokombinations-Schalttafel auf Gatterebene, um massiv effizient Energieverbrauchsanalysemuster zu erzeugen. Anschließend wird eine Registerzelle eingeführt, die die Pseudokombinationstabelle in eine Pseudosynchronschaltung umwandelt. Durch die Anpassung der Hyperparameter der Schaltungsstruktur und die Anwendung geeigneter zeitlicher Einschränkungen im Syntheseprozess wird schließlich ein Pseudoschaltungsdatensatz erzeugt. Diese Methode wird mithilfe führender Energieverbrauchsanalyse-Software bewertet, indem ihre Leistung mit einem Referenzdatensatz verglichen wird und eine Analyse der topologischen Schaltungsstruktur und eine statische Zeitanalyse durchgeführt werden. Die Experimente bestätigen die Wirksamkeit des Datensatzes und zeigen die effiziente Durchführung und Robustheit des Algorithmus sowie seinen Forschungswert.

Graphenberechnung; elektronische Designautomatisierung (EDA); Pseudoelektrischer Datensatz; Analyse des durchschnittlichen Energieverbrauchs