AnalogRetriever
поиск аналоговых схем по картинке, описанию и netlist
1 min read
Это официальные чекпоинты модели AnalogRetriever с ICCAD 2026. Она учит кросс-модальные представле��ия для поиска аналоговых схем между изображениями схем, функциональными описаниями и SPICE netlist. База — CLIP ViT-L/14, поверх которого добавлен port-aware RGCN и трёхфазный curriculum.
Ключевые особенности
- Ищет схемы в трёх модальностях: изображение, текстовое описание и SPICE netlist.
- Архитектура: fine-tuned CLIP ViT-L/14 + port-aware RGCN; в репозитории также аблации TIC (RGCN/GCN) и TI.
- Чекпоинты — PyTorch state dict с весами CLIP; рядом .metadata.json с конфигом, эпохой, схемой графа и SHA-256.
- В комплекте results/ с held-out оценкой и training_logs/.
Пример
git clone https://github.com/yihan-wa/AnalogRetriever_ICCAD && cd AnalogRetriever_ICCAD
bash scripts/install_env.sh
hf download eulermaxwell/AnalogRetriever analogretriever.pth analogretriever.pth.metadata.json --local-dir checkpoints
python3 -m analogretriever.evaluation.evaluate_retrieval --checkpoint checkpoints/analogretriever.pth
Подробнее
Recall@1 на 1 000 held-out триплетов: среднее 74.3% у AnalogRetriever против 2.5% у zero-shot CLIP.Лучшие направления: T→I 78.5%, I→T 77.3%, I→C 72.9%.
Обучение: 1× NVIDIA H200, 20 эпох, batch size 256; инференс отдельно не описан.
Ограничения: схемы в основном учебные; близкие семейства могут попадать в оба сплита; результаты стоит проверять симуляцией; описания длиннее 77 токенов обрезаются.
Лицензия MIT.










Comments