schematic-corpus

一个使用tscircuit制作的原理图布局语料库。

A schematic layout corpus created using tscircuit.

原始信息汇总

schematic-corpus 数据集概述

数据集简介

• 包含使用 tscircuit 制作的原理图布局语料库
• 提供示例原理图预览（design001.circuit-schematic.snap.svg）

数据处理规范

1. 文件转换：

   • dist目录下所有circuit.json文件均转换为bpc.json格式
   • 关联项目：BPC Graphs

2. 方向规范：

   • 所有原理图统一采用右向布局
   • 禁止水平镜像处理
   • 禁止垂直镜像处理

3. 连接器处理：

   • 不组合右向跳线与左向跳线
   • 需通过BPC图分区阶段管理连接

4. 设计原则：

   • 仅包含右向设计变体
   • 避免采用双面"主芯片"设计

搜集汇总

数据集介绍

构建方式

在电子设计自动化领域，schematic-corpus数据集通过系统化的流程构建而成。该数据集基于tscircuit工具生成的原理图布局，所有电路设计文件均存储在dist目录中，并通过自动化流程转换为标准化的bpc.json格式文件。为确保数据一致性，所有原理图均统一调整为右向布局，避免了水平镜像处理，同时明确规定不进行垂直镜像操作。这种构建方式有效避免了芯片双面布局的复杂性，为后续的BPC图分区处理奠定了良好基础。

特点

该数据集最显著的特点在于其严格的布局规范性和处理逻辑的简洁性。所有收录的原理图设计均保持右向布局的统一性，排除了镜像变换带来的复杂性。数据集特别注重核心芯片的单面布局原则，避免了双面设计可能导致的匹配困难。通过采用BPC图标准格式，数据集确保了与下游处理流程的无缝衔接，同时为电路分区和匹配算法提供了理想的输入数据。这种精心设计的特性使得该数据集特别适合用于电子设计自动化领域的研究和开发。

使用方法

使用schematic-corpus数据集时，研究人员可直接利用其标准化的bpc.json格式文件进行电路分析。数据集建议在BPC图分区阶段前进行处理，此时应避免进行组合性连接操作。由于数据集已预先统一了布局方向，使用者可专注于分区算法的开发与优化。对于需要镜像变换的应用场景，用户需自行实现水平镜像处理，但垂直镜像变换则被明确禁止。这种规范化的使用方法确保了数据分析的一致性和可重复性，为电子设计自动化研究提供了可靠的数据基础。

背景与挑战

背景概述

schematic-corpus数据集是由tscircuit项目团队构建的一个专注于电路原理图布局的语料库，旨在为电子设计自动化（EDA）领域提供标准化的电路图数据资源。该数据集通过系统化收集和整理由tscircuit工具生成的电路原理图，为机器学习在电路设计优化、自动化布局布线等研究方向提供了结构化数据支持。其核心价值在于建立了面向右向布局的统一表示范式，避免了镜像变换带来的数据冗余，显著提升了电路图匹配算法的效率。

当前挑战

该数据集主要应对电路原理图自动匹配与标准化处理的挑战。在领域问题层面，需解决异构电路图的结构对齐难题，特别是元件朝向规范化带来的拓扑约束问题。构建过程中面临双重挑战：技术层面要求严格遵循右向布局原则，排除水平镜像变体以降低图匹配复杂度；方法论层面需设计有效的BPC图分区策略，处理跳线连接组合爆炸问题，同时避免主芯片双侧布局导致的匹配歧义。垂直镜像的绝对禁止进一步增加了数据清洗的严格性要求。

常用场景

经典使用场景

在电子工程与电路设计领域，schematic-corpus数据集以其标准化的电路布局为研究者提供了丰富的分析素材。该数据集收录了通过tscircuit工具构建的多种电路示意图，其最经典的使用场景在于支持自动化电路设计算法的开发与验证。研究人员能够基于这些结构化的电路布局数据，深入探究电路元件之间的连接模式与拓扑特征。

解决学术问题

该数据集有效解决了电路设计自动化研究中缺乏标准化基准的难题。通过提供统一格式的电路示意图，研究者能够系统性地评估不同布局算法的性能。这些数据特别有助于研究电路分区、元件匹配等关键问题，为提升电子设计自动化工具的准确性和效率奠定了数据基础。其标准化特性显著降低了不同研究团队之间的比较壁垒。

衍生相关工作

围绕该数据集已产生多项创新性研究，最具代表性的是基于BPC图模型的电路分析框架。研究者通过将电路布局转换为标准化的BPC图表示，开发出了高效的电路相似性匹配算法。另有工作专注于利用该数据集训练深度学习模型，实现了电路布局的自动生成与优化，推动了智能EDA系统的发展。