机器学习在模拟集成电路设计中的应用受限于公开数据稀缺和缺乏统一评估标准。不同论文往往使用自建、封闭的数据集并采用临时指标，导致方法之间难以公平比较。为填补这两大空白，本文提供了一个规模宏大的开源数据集以及一套标准化基准。数据集基于 SkyWater130 PDK，收录了 100 多种运算放大器（单级、二级、三级）拓扑结构，每种拓扑配备结构与功能标注、对称性与尺寸规则等约束、Ngspice 测试平台，以及一次 NSGA‑II 多目标优化运行的结果，产生约 10^3 条 Pareto 最优和 10^6 条中间尺寸‑性能配对。基于这些数据，定义了六个基准任务：逆向尺寸设定、拓扑选择、子电路分类、结构电路生成、Pareto 成员预测以及多目标优化。该数据集是四十余年模拟 IC 设计自动化领域最完整的公开资源，所有标注、基准实现及评估脚本均在开源许可证下发布，保证了实验可复现并可直接对比不同设计自动化方法。
点评