电路网表文件（edf）转Python图结构

对电路网表转换为图的结构，进而使其能够进行更多的优化算法操作，对于EDA是十分重要的。

如今电子设计自动化（EDA）是应对大规模集成电路设计的挑战的关键领域。

它确保可扩展性、可靠性，并提高研发效率。然而，EDA方法通常需要时间和资源，且无法保证最优解。为了解决这些问题，机器学习（ML）已被纳入设计流程中的多个阶段，例如布局（placement）和布线（routing）。

然而，许多方法忽略了EDA问题中的许多对象，这些对象可以自然地表示为图（graph）。图神经网络（GNN）提供了直接使用电路、中间RTL（寄存器转换级电路Register Transfer Level）和网表（netlist）的图结构来解决EDA问题的机会。因此，将电路网表转换为图的结构对于EDA具有重要意义，它为更多优化算法操作提供了新的可能性。

但是网络上很少能够找到其对应的开源简单算法。

而对图的进行KL算法的划分，也就可以间接对布线进行划分，于是编写了代码，托管到了GitHUb上（https://github.com/NRMAO/EDA_Netlist_to_graph-KL-），希望大家可以一起管理，提出宝贵的意见，也欢迎私信交流。