Masala-CHAI：基于人工智能构建模拟程序（SPICE）电路 netlist 的大规模数据集
硬件体系结构
2025-03-25 v5
摘要
Masala-CHAI是一个完全自动化的框架，利用大语言模型（LLM）生成包含仿真强调的电路（SPICE）netlist。它解决了电路设计自动化中长期存在的挑战：自动化生成模拟程序（SPICE）netlist。实现这一工作流程可加速为模拟程序（SPICE）netlist进行微调的人工智能模型的创建与验证。本文识别了自动化netlist生成的关键挑战，并评估了最新人工智能技术，特别是GPT-4，在解决这些挑战方面的多模态能力。我们提出了三步工作流程以克服现有限制：标注模拟程序（SPICE）电路、提示微调、netlist验证。该方法实现了从电路原理图图像中生成完整的SPICE netlist，解决了持久存在的准确netlist生成难题。我们利用Masala-CHAI收集了7500个电路原理图，涵盖10本教科书中不同复杂度的电路，并对 various 开源和专有人工智能模型进行基准测试。在Masala-CHAI上微调的模型用于类比程序员（AnalogCoder）等人工智能代理框架时，可实现显著的46%通过率提升。我们开源了数据集和代码，供社区驱动开发。
引用
@article{arxiv.2411.14299,
title = {Masala-CHAI: A Large-Scale SPICE Netlist Dataset for Analog Circuits by Harnessing AI},
author = {Jitendra Bhandari and Vineet Bhat and Yuheng He and Hamed Rahmani and Siddharth Garg and Ramesh Karri},
journal= {arXiv preprint arXiv:2411.14299},
year = {2025}
}