في عالم الدوائر الرقمية، تشكل الخلايا القياسية (Standard Cells) الأركان الأساسية لعملها. لذا، فإن تأخرها واستهلاكها للطاقة يلعبان دورًا حيويًا في أداء الرقائق على مستوى النظام. رغم ذلك، لا تزال عملية التصنيف تعتمد على محاكاة بطيئة، كما أن العديد من النماذج السريعة تتجاهل الهندسة التخطيطية، مما يؤدي إلى فقدان التأثيرات النسبية.

كيف يمكننا معالجة هذه المشكلة؟ هنا يظهر الابتكار الجديد: FusionCell. هذا النموذج الثوري يمثل ثنائية مدخلات فريدة تجمع بين الهندسة التوجيهية (Routed Layout Geometry) والتوبولوجيا الشبكية (Netlist Topology) في نموذج موحد.

يعتمد FusionCell على مشفر DeiT لمعالجة التخطيطات ثلاثية الطبقات، بينما يستخدم محول الرسوم البيانية (Graph Transformer) لنمذجة الرسوم البيانية للأجهزة/الشبكات المتنوعة. تندمج هذه المدخلات من خلال آلية موجهة تعتمد على التوبولوجيا، حيث تعمل الشبكة كخريطة هيكلية لاستعلام المناطق الفيزيائية المعنية، مما يعزز التفكير المتناغم بين الهيكل والهندسة.

استخدمنا مجموعة بيانات بمقياس 7 نانومتر مستندة إلى ASAP7 PDK، تحتوي على أكثر من 19.5 ألف خلية موزعة على 149 نوعًا، مستهدفة ستة مقاييس: تأخير إشارة الصعود/الهبوط، الانتقال، والاستهلاك. أظهرت النتائج التجريبية أن FusionCell يقلل من خطأ الانحدار مع متوسط نسبة الخطأ المطلق النسبية (MAPE) تصل إلى 0.92%. كما يحسن ترتيب Spearman/Kendall مقارنة بالنماذج الأساسية، مع تسريع عملية التصنيف بأوامر من المرات مقارنة بمحاكاة الدوائر.