LLM增强贝叶斯优化用于高效模拟布局约束生成
人工智能
2024-12-09 v3 硬件体系结构
机器学习
摘要
模拟布局合成面临诸多挑战，包括依赖手动流程、耗时且性能不稳定。当前基于贝叶斯优化( BO)的模拟布局合成技术虽具自动化潜力，但 suffer于收敛缓慢且数据需求大，限制了实际应用。本文提出\texttt{LLANA}框架，一种新方法利用大语言模型( LLM)增强BO，通过利用LLM的few-shot学习能力实现更高效的模拟设计相关参数约束生成。实验结果表明，\texttt{LLANA}不仅实现了与最先进( SOTA) BO方法相当的性能，还能由于LLM的优异语境理解和学习效率，实现对模拟电路设计空间的更有效探索。该代码已公开于https://github.com/dekura/LLANA。
关键词
引用
@article{arxiv.2406.05250,
title = {LLM-Enhanced Bayesian Optimization for Efficient Analog Layout Constraint Generation},
author = {Guojin Chen and Keren Zhu and Seunggeun Kim and Hanqing Zhu and Yao Lai and Bei Yu and David Z. Pan},
journal= {arXiv preprint arXiv:2406.05250},
year = {2024}
}