D2S-FLOW：基于大语言模型的从数据表自动提取参数并生成 SPICE 模型
计算与语言
2025-06-05 v2 人工智能
硬件体系结构
信息检索
机器学习
摘要
在电子设计领域，工程师通常需要手动搜索 extensive documents 以检索构建 SPICE 模型所需的元件参数，这一过程既费时又费力。为解决这一挑战，我们提出了一种自动化框架 D2S-FLOW，该框架利用大语言模型（LLMs）从数据表中提取电气参数并生成高精度、高效率的 SPICE 模型，显著减少了对人工介入的需求。不同于传统 RAG 系统，D2S-FLOW 采用一种工作流程，通过三种创新机制来提高处理非结构化文档和不一致命名约定的精度：注意力引导的文件聚焦（Attention-Guided Document Focusing, AGDF）、层次化文件增强检索（Hierarchical Document-Enhanced Retrieval, HDER）以及异构命名实体标准化（Heterogeneous Named Entity Normalization, HNEN）。AGDF 将检索范围限制在用户选定的文档中，HDER 利用文档结构实现精确的参数定位，HNEN 通过语义推理来标准化术语。实验结果表明，该框架实现了 Exact Match（EM）为 0.86，F1 分数为 0.92，Exact Correctness（EC）为 0.96，显著优于最强基线的 19.4%、5.7% 和 13.1%。此外，它还减少了 API token 消耗 38%，将无关信息比率降低至 4%，在资源效率方面显示出显著的改进。该研究为电路设计提供了一种有效的自动化解决方案。
引用
@article{arxiv.2502.16540,
title = {D2S-FLOW: Automated Parameter Extraction from Datasheets for SPICE Model Generation Using Large Language Models},
author = {Hong Cai Chen and Yi Pin Xu and Yang Zhang},
journal= {arXiv preprint arXiv:2502.16540},
year = {2025}
}
备注
14 pages, 18 figures