AnalogCoder: Analog Circuit Design via Training-Free Code Generation

要約

アナログ回路設計は、現代のチップ技術における重要なタスクであり、適切な回路機能を確保するためのコンポーネントの種類、接続性、パラメータの選択に重点が置かれています。
デジタル回路設計におけるラージ言語モデル (LLM) による進歩にも関わらず、アナログ回路におけるデータの複雑さと希少性が大きな課題を引き起こしています。
これらの問題を軽減するために、Python コード生成を通じてアナログ回路を設計するためのトレーニング不要の初の LLM エージェントである AnalogCoder を紹介します。
まず、AnalogCoder には、カスタマイズされたドメイン固有のプロンプトを備えたフィードバック強化フローが組み込まれており、高い成功率で自動化された自己修正型のアナログ回路設計が可能になります。
次に、成功した設計を再利用可能なモジュール式サブ回路としてアーカイブし、複合回路の作成を簡素化する回路ツール ライブラリを提案します。
第三に、幅広いアナログ回路タスクをカバーするように設計されたベンチマークでの広範な実験により、AnalogCoder が他の LLM ベースの手法よりも優れていることが示されました。
標準の GPT-4o よりも 5 つ多い、20 の回路の設計に成功しました。
私たちは、AnalogCoder によって労働集約的なチップ設計プロセスが大幅に改善され、専門家でなくてもアナログ回路を効率的に設計できるようになると信じています。

要約(オリジナル)

Analog circuit design is a significant task in modern chip technology, focusing on the selection of component types, connectivity, and parameters to ensure proper circuit functionality. Despite advances made by Large Language Models (LLMs) in digital circuit design, the complexity and scarcity of data in analog circuitry pose significant challenges. To mitigate these issues, we introduce AnalogCoder, the first training-free LLM agent for designing analog circuits through Python code generation. Firstly, AnalogCoder incorporates a feedback-enhanced flow with tailored domain-specific prompts, enabling the automated and self-correcting design of analog circuits with a high success rate. Secondly, it proposes a circuit tool library to archive successful designs as reusable modular sub-circuits, simplifying composite circuit creation. Thirdly, extensive experiments on a benchmark designed to cover a wide range of analog circuit tasks show that AnalogCoder outperforms other LLM-based methods. It has successfully designed 20 circuits, 5 more than standard GPT-4o. We believe AnalogCoder can significantly improve the labor-intensive chip design process, enabling non-experts to design analog circuits efficiently.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google