YogurtNet 是参加 2023 年第 5 届全国大学生集成电路 EDA 精英挑战赛的作品，针对行芯（Phlexing）公司的企业命题赛题：基于机器学习的 SoC 电源网络静态压降预测。该项目通过融合类图像处理技术、非监督学习和神经网络技术，实现了对集成电路电源网络静态压降（IR Drop）的精确预测。
YogurtNet 系统基于 Python 和 PyTorch 构建，主要技术组件包括：
- Word2Vec：通过聚类方法，将实例名称映射到名称坐标系中，以支持后续的处理。
- Pix2Pix：将 17 个通道的原始数据转化为 2 个通道的预测数据，利用成熟的图像转换技术优化数据处理流程。
- YogurtPyramid：一个自主开发的浅层神经网络，专注于进一步优化和逼近预测结果。
模型训练依赖于五种主流开源芯片的相关数据，并在赛题提供的评价指标上表现出色，在服务器中具体表现为平均 wall time 为 69.94 秒，平均 MAE 值为 5.2784。
YogurtNet 在全国总决赛中荣获三等奖，并基于该作品撰写的论文已成功投稿至 2024 第 3 届国际电子与集成电路技术会议（EICT 2024）。引用信息如下：
Liang, L., Xian, Y., Guo, S., & Xie, Z. (2024). YogurtNet: Enhanced machine learning approach for voltage drop prediction. Journal of Physics: Conference Series, 2810(1), 012002. https://doi.org/10.1088/1742-6596/2810/1/012002
- Lawrence Leung：负责算法设计。
- Yuxiang Xian (Github 用户：@Silhouette6 )：负责代码框架设计。
/code：包含工程主体代码和相应的 README.md 文件，后者提供了软件的使用说明。/cal_metrics：赛题方提供的量化评价工具。/reference_papers：参考文献。design_report.pdf：完整的参赛作品报告。original_contest_problem.pdf：原始赛题全文。defense_presentation.pdf：决赛答辩演示文稿。
- Python 3.8
- PyTorch 2.0.1
当前软件版本：v0.1.0
请参考 /code/README.md 中提供的详细说明来配置和运行 YogurtNet。
特别感谢所有支持我们的人，以及所有为这个项目付出努力的人。我们期待与更多对 EDA 和机器学习感兴趣的朋友交流和合作。
感谢指导老师 Zhuoming Xie 与 Huaien Gao 的指导，以及母校集成电路学院的大力支持。