摘要
门级网表展示了影响信号传播的内在结构特性，这些特性与功能仿真无关。我们定义了一种基于拓扑的结构可操控性评分，利用路径参与度、k-core 嵌入、对称性和中心性来表征节点级的结构灵活性。通过将网表建模为有向图，我们利用图神经网络（GNNs）制定了节点级回归模型，以学习这一基于拓扑的评分。
实验与结果
在 ISCAS85 和 EPFL 基准测试上的实验评估了不同 GNN 架构在保留电路中近似该指标的有效性，分层模型提供了最一致的排名。组件级和消融分析进一步探讨了各个因素的贡献。
应用案例
作为一个说明性案例，使用 TrustHub 模板分析注入特洛伊木马的电路揭示了统计上可区分的结构模式，表明基于拓扑的评分提供了互补的结构洞察。
博主点评： 本文通过图神经网络深入探讨了门级网表的结构特性，展现了拓扑分析在电路设计中的潜力，特别是在安全性评估与优化方面。研究结果为未来的电路设计和分析提供了重要的理论基础和实践指导。