基于知识图谱RAG的LLM驱动AMS电路自动设计数据集——AMSnet-KG
人工智能
2024-11-22 v1 硬件体系结构
新兴技术
信号处理
摘要
高性能模拟态声（AMS）电路主要采用全手工设计方式，这种方式耗时且费力。大量工作基于经验驱动，使得AMS电路设计的自动化始终面临巨大挑战。大型语言模型（LLM）作为电子设计自动化（EDA）应用的强大工具，推动了大规模AMS电路自动设计流程的发展。然而，缺乏高质量数据集导致模型出现幻觉，从而削弱了自动生成电路设计的鲁棒性。为此，本文引入AMSnet-KG数据集，涵盖多种AMS电路原理图和网表。我们构建了包含详细功能与性能特征注释的知识图谱。借助AMSnet-KG，我们提出一种自动AMS电路生成框架，利用LLM中嵌入的综合知识。首先，依据所需规格制定设计策略（例如选用特定数量的电路组件的电路架构）。随后检索匹配的电路组件并组装成完整拓扑结构，通过贝叶斯优化获取晶体管规格。网表仿真结果反馈给LLM进行进一步的拓扑优化，确保电路设计满足规格要求。我们对运算放大器和比较器的设计案例进行验证，证明该自动设计流程可从规格到网表实现最低的人工工作量。本文使用的数据集将在论文发表后开源。
引用
@article{arxiv.2411.13560,
title = {AMSnet-KG: A Netlist Dataset for LLM-based AMS Circuit Auto-Design Using Knowledge Graph RAG},
author = {Yichen Shi and Zhuofu Tao and Yuhao Gao and Tianjia Zhou and Cheng Chang and Yaxing Wang and Bingyu Chen and Genhao Zhang and Alvin Liu and Zhiping Yu and Ting-Jung Lin and Lei He},
journal= {arXiv preprint arXiv:2411.13560},
year = {2024}
}