論文の概要: Hey AI, Generate Me a Hardware Code! Agentic AI-based Hardware Design & Verification

• arxiv url: http://arxiv.org/abs/2507.02660v1
• Date: Thu, 03 Jul 2025 14:20:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:16.389693
• Title: Hey AI, Generate Me a Hardware Code! Agentic AI-based Hardware Design & Verification
• Title（参考訳）: AI、ハードウェアコードを生成する!エージェントAIベースのハードウェア設計と検証
• Authors: Deepak Narayan Gadde, Keerthan Kopparam Radhakrishna, Vaisakh Naduvodi Viswambharan, Aman Kumar, Djones Lettnin, Wolfgang Kunz, Sebastian Simon,
• Abstract要約: 本稿では,エージェントAIを用いたハードウェア設計検証手法を提案する。 エージェントAIベースのアプローチは、Humain-in-the-Loop(HITL)介入と連携して、よりダイナミックで反復的で自己反映的なプロセスに従事するAIエージェントに権限を与える。 この手法は5つのオープンソース設計で評価され、95%以上のカバレッジを達成し、検証時間を短縮する。
• 参考スコア（独自算出の注目度）: 2.8236458753814233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern Integrated Circuits (ICs) are becoming increasingly complex, and so is their development process. Hardware design verification entails a methodical and disciplined approach to the planning, development, execution, and sign-off of functionally correct hardware designs. This tedious process requires significant effort and time to ensure a bug-free tape-out. The field of Natural Language Processing has undergone a significant transformation with the advent of Large Language Models (LLMs). These powerful models, often referred to as Generative AI (GenAI), have revolutionized how machines understand and generate human language, enabling unprecedented advancements in a wide array of applications, including hardware design verification. This paper presents an agentic AI-based approach to hardware design verification, which empowers AI agents, in collaboration with Humain-in-the-Loop (HITL) intervention, to engage in a more dynamic, iterative, and self-reflective process, ultimately performing end-to-end hardware design and verification. This methodology is evaluated on five open-source designs, achieving over 95% coverage with reduced verification time while demonstrating superior performance, adaptability, and configurability.
• Abstract（参考訳）: 現代の集積回路(IC)はますます複雑化しており、開発プロセスも同様である。 ハードウェア設計検証は、機能的に正しいハードウェア設計の計画、開発、実行、サインオフに対する体系的かつ規律的なアプローチを必要とする。 この面倒なプロセスは、バグのないテープアウトを保証するためにかなりの労力と時間を必要とします。 自然言語処理の分野は、LLM(Large Language Models)の出現とともに、大きな変革を遂げてきた。 これらの強力なモデルは、しばしばGenerative AI(GenAI)と呼ばれ、機械が人間の言語を理解し、生成する方法に革命をもたらし、ハードウェア設計検証を含む幅広いアプリケーションにおいて前例のない進歩を可能にした。 本稿では,AIエージェントがHumain-in-the-Loop(HITL)介入と協力して,よりダイナミックで反復的で自己回帰的なプロセスに取り組み,最終的にエンドツーエンドのハードウェア設計と検証を行う,ハードウェア設計検証のためのエージェントAIベースのアプローチを提案する。 この手法は5つのオープンソース設計で評価され、95%以上のカバレッジを達成し、検証時間を短縮し、優れた性能、適応性、設定性を示す。

関連論文リスト

• Exploring Prompt Patterns in AI-Assisted Code Generation: Towards Faster and More Effective Developer-AI Collaboration [3.1861081539404137]
  本稿では,AI支援コード生成に必要となるインタラクション数を最小化するために,構造化されたプロンプトパターンの適用について検討する。 我々は,開発者とAI間の往復通信を減らすことの有効性を評価するために,異なる7つのプロンプトパターンを分析した。
  論文  参考訳（メタデータ） (2025-06-02T12:43:08Z)
• Verbal Process Supervision Elicits Better Coding Agents [0.9558392439655016]
  この研究は、言語プロセス監視(VPS)によって強化されたコード理解・推論エージェントであるCURAを導入している。 CURAはBigCodeBenchのような挑戦的なベンチマークでベースラインモデルよりも3.65%改善されている。
  論文  参考訳（メタデータ） (2025-03-24T09:48:59Z)
• Knowledge Graph Modeling-Driven Large Language Model Operating System (LLM OS) for Task Automation in Process Engineering Problem-Solving [0.0]
  本稿では,化学・プロセス産業における複雑な問題の解決を目的としたAI駆動型フレームワークであるプロセスエンジニアリングオペレーションアシスタント(PEOA)を紹介する。 このフレームワークはメタエージェントによって構成されたモジュラーアーキテクチャを採用しており、中央コーディネータとして機能している。 その結果、計算の自動化、プロトタイピングの高速化、産業プロセスに対するAIによる意思決定支援におけるフレームワークの有効性が示された。
  論文  参考訳（メタデータ） (2024-08-23T13:52:47Z)
• Using the Abstract Computer Architecture Description Language to Model AI Hardware Accelerators [77.89070422157178]
  AI統合製品の製造者は、製品のパフォーマンス要件に適合するアクセラレータを選択するという、重大な課題に直面します。 抽象コンピュータアーキテクチャ記述言語(ACADL)は、コンピュータアーキテクチャブロック図の簡潔な形式化である。 本稿では,AIハードウェアアクセラレーションのモデル化にACADLを用いること,DNNのマッピングにACADL記述を使用し,タイミングシミュレーションのセマンティクスを解説し,性能評価結果の収集を行う。
  論文  参考訳（メタデータ） (2024-01-30T19:27:16Z)
• Exploring the intersection of Generative AI and Software Development [0.0]
  生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。 このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。 これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
  論文  参考訳（メタデータ） (2023-12-21T19:23:23Z)
• ChatDev: Communicative Agents for Software Development [84.90400377131962]
  ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。 これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
  論文  参考訳（メタデータ） (2023-07-16T02:11:34Z)
• How to Reach Real-Time AI on Consumer Devices? Solutions for Programmable and Custom Architectures [7.085772863979686]
  ディープニューラルネットワーク(DNN)は、オブジェクトや音声認識など、さまざまな人工知能(AI)推論タスクにおいて大きな進歩をもたらした。 このようなAIモデルをコモディティデバイスにデプロイすることは、大きな課題に直面している。 クロススタック手法によりリアルタイムな性能を実現する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-21T11:23:12Z)
• Technology Readiness Levels for AI & ML [79.22051549519989]
  機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。 エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。 我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-21T17:14:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。