arXiv · cs.AI· M. Leibl, F. Azevedo, S. Uhlich, A. Bonetti, A. Venkitaraman, C. Hsieh, P. Pham, L. Servadei, H. Graeb, R. Martins·· 6 小时前
LOADBench：面向模拟IC设计机器学习的大型开放数据集与基准
LOADBench: A Large Open Analog Dataset and Benchmark for Machine Learning in IC Design
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：M. Leibl, F. Azevedo, S. Uhlich, A. Bonetti, A. Venkitaraman, C. Hsieh, P. Pham, L. Servadei, H. Graeb, R. Martins
研究任务与主要进展
LOADBench发布面向模拟IC设计机器学习的大型开源数据集和标准化基准，包含超过100种1、2、3级运算放大器拓扑，以及结构与功能标注、尺寸约束、Ngspice测试平台和多目标NSGA-II优化数据。基于论文摘要，数据集提供逆向定尺寸、拓扑选择、子电路分类、结构生成、Pareto成员预测和多目标优化六项基准任务，并以开放许可发布数据、标注和参考实现。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org