白盒推理：协同大语言模型策略与gm/Id数据实现模拟电路自动化设计
硬件体系结构
2025-08-20 v1 人工智能
计算与语言
摘要
模拟IC设计是一个瓶颈，因为它依赖于经验且仿真效率低下，传统公式在先进工艺节点下失效。将大语言模型（LLMs）直接应用于此问题存在仅凭“猜测”而缺乏工程原理的风险。我们提出了一个“协同推理”框架，该框架将LLM的策略推理与gm/Id方法的物理精确性相结合。通过为LLM赋能gm/Id查找表，它成为了一个定量的、数据驱动的设计伙伴。我们在一个两级运算放大器上验证了这一点，我们的框架使Gemini模型能够在5次迭代内满足所有TT工艺角规格，并将优化扩展到所有PVT工艺角。一项关键的消融研究证明，gm/Id数据是实现这种效率和精度的关键；没有它，LLM速度更慢且会偏离目标。与资深工程师的设计相比，我们的框架实现了准专家级质量，同时效率提升了一个数量级。这项工作通过将LLM推理与科学的电路设计方法相结合，验证了一条实现真正模拟设计自动化的路径。
引用
@article{arxiv.2508.13172,
title = {White-Box Reasoning: Synergizing LLM Strategy and gm/Id Data for Automated Analog Circuit Design},
author = {Jianqiu Chen and Siqi Li and Xu He},
journal= {arXiv preprint arXiv:2508.13172},
year = {2025}
}
备注
8 pages, 4 figures, 7 Tables