跨层芯片设计空间探索工具性能测评数据集

AI驱动的电子设计自动化（AI4EDA）的成功高度依赖于高质量、多样化和任务相关的EDA数据集。然而，现有的数据集往往是静态的、范围狭窄的，并且缺乏对芯片设计流程不同阶段特定AI4EDA任务的适应性。为解决这一局限性，本项目提出了EDATA-Fab，一个自动化数据生成框架，用于持续生成、精炼和定制大规模EDA数据。EDATA-Fab系统地挖掘开源硬件设计，并自动从自然语言描述到布局的各种设计阶段提取数据，同时进行清洗、过滤和转换以确保数据质量和相关性。与传统的数据集整理不同，EDATA-Fab支持演化性和任务感知的数据生成，允许研究人员和从业者为特定AI4EDA应用（如综合预测、时序估计、布局优化等）定制数据集。本数据集包含了EDATA-Fab框架生成的核心EDA数据文件，展示了该框架在桥接数据可用性和数据驱动EDA研究日益增长需求方面的优势，有效支撑了AI4EDA的跨层优化和创新。数据集共包括个一数据文件，数据量9062条，文件大小2.3G；文件以.db格式存储了跨EDA抽象层次的多模态数据，其中包含数据id、设计名称、verilog源设计、规格文档、模块描述、verilog to c转换、功能提取洞察器输出、仿真激励文件、门级网表、布局报告、布线报告、布局布线后网表。

搜集汇总

背景与挑战

背景概述

该数据集针对AI驱动的电子设计自动化（AI4EDA）领域，通过EDATA-Fab框架生成跨EDA抽象层次的多模态数据，以解决现有数据集的局限性。它包含9062条数据，文件大小为3.48GB，旨在支持芯片设计流程中的跨层优化和创新应用。