用图学习逆向解析乘法器架构，提升电路验证效率与准确性。
ReVEAL: GNN-Guided Reverse Engineering for Formal Verification of Optimized Multipliers
- 基于图结构特征和机器学习，自动识别乘法器设计模式。
- 在多种基准测试中，验证速度与精度优于传统规则方法。
- 可无缝接入现有验证流程，适合硬件验证工程师使用。
我们提出 ReVEAL，一种基于图学习的乘法器架构逆向工程方法，旨在改进代数电路验证技术。该框架利用结构图特征与学习驱动的推理，在大规模场景下识别乘法器架构模式，有效应对高度优化的乘法器。我们在多种乘法器基准上验证了方法的适用性，结果表明其在可扩展性和准确性方面优于传统的基于规则的方法。该方法可无缝集成到现有验证流程中，并支持后续的代数证明策略。
原文摘要 · Abstract (English)
We present ReVEAL, a graph-learning-based method for reverse engineering of multiplier architectures to improve algebraic circuit verification techniques. Our framework leverages structural graph features and learning-driven inference to identify architecture patterns at scale, enabling robust handling of large optimized multipliers. We demonstrate applicability across diverse multiplier benchmarks and show improvements in scalability and accuracy compared to traditional rule-based approaches. The method integrates smoothly with existing verification flows and supports downstream algebraic proof strategies.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。