基于大型语言模型的多智能体框架用于模拟电路尺寸关系提取

在模拟电路布局前的设计过程中，器件尺寸是确定模拟电路是否满足所需性能指标的重要步骤。许多现有技术将电路尺寸任务提取为数学优化问题来求解，并从数学角度不断提高优化效率。但它们忽略了先验知识的自动引入，无法有效修剪搜索空间，从而导致搜索空间中留下相当大的压缩余量。为缓解此问题，我们提出了一种基于大型语言模型（LLM）的多智能体框架，用于从学术论文中提取电路尺寸关系。该框架提取的尺寸关系可有效修剪尺寸过程中搜索树空间。最终，我们对3种电路进行了测试，优化效率提高了 $2.32 \sim 26.6 \times$。本工作表明，LLM能够有效修剪模拟电路尺寸的搜索空间，为LLM与传统模拟电路设计自动化方法的结合提供了新解决方案。