DocEDA：基于大语言模型的电路文档自动抽取与设计系统
硬件体系结构
2024-12-10 v1 人工智能
计算与语言
摘要
高效准确地从电路数据手册和设计文档中抽取电气参数，对加速电路设计至关重要，尤其是在电子设计自动化（EDA）领域。传统工作流程往往依赖工程师手动搜索和抽取这些参数，既耗时又容易出错。为此，我们引入DocEDA系统，利用先进的计算机视觉技术和大语言模型（LLM）实现对文档中电气参数的自动抽取。该系统提出专为数据手册设计的布局分析模型，用于将文档分类为电路相关部分。利用LLM内在的链式思维推理能力，DocEDA自动从文档中提取电子元件参数。对于电路图解析，采用改进的GAM-YOLO模型与拓扑识别相结合，将图纸转换为电路 netlist。随后，引入空间映射增强的优化框架，用于优化文档中的布局。实验评估表明，DocEDA显著提升了处理电路设计文档的效率和电气参数抽取的准确性。该系统对各种电路设计场景和文档格式具有良好的适应性，为EDA领域提供了一种新颖的解决方案，具有变革传统方法的潜力。
引用
@article{arxiv.2412.05301,
title = {DocEDA: Automated Extraction and Design of Analog Circuits from Documents with Large Language Model},
author = {Hong Cai Chen and Longchang Wu and Ming Gao and Lingrui Shen and Jiarui Zhong and Yipin Xu},
journal= {arXiv preprint arXiv:2412.05301},
year = {2024}
}