論文の概要: AI Agents for Photonic Integrated Circuit Design Automation

• arxiv url: http://arxiv.org/abs/2508.14123v1
• Date: Mon, 18 Aug 2025 18:20:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.20759
• Title: AI Agents for Photonic Integrated Circuit Design Automation
• Title（参考訳）: フォトニック集積回路設計自動化のためのAIエージェント
• Authors: Ankita Sharma, YuQi Fu, Vahid Ansari, Rishabh Iyer, Fiona Kuang, Kashish Mistry, Raisa Islam Aishy, Sara Ahmad, Joaquin Matres, Dirk R. Englund, Joyce K. S. Poon,
• Abstract要約: Photonics Intelligent Design and Optimization (PhIDO)は、自然言語のフォトニック集積回路(PIC)設計要求をレイアウトマスクファイルに変換するフレームワークである。 単一デバイスから112コンポーネントのPICまでの102の設計記述をテストベンチで比較した。 15コンポーネント以下の設計クエリでは、o1、Gemini-2.5-pro、Claude Opus 4が57%の最高エンドツーエンドパス@5成功率を達成した。
• 参考スコア（独自算出の注目度）: 1.1819617998653098
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Photonics Intelligent Design and Optimization (PhIDO), a multi-agent framework that converts natural-language photonic integrated circuit (PIC) design requests into layout mask files. We compare 7 reasoning large language models for PhIDO using a testbench of 102 design descriptions that ranged from single devices to 112-component PICs. The success rate for single-device designs was up to 91%. For design queries with less than or equal to 15 components, o1, Gemini-2.5-pro, and Claude Opus 4 achieved the highest end-to-end pass@5 success rates of approximately 57%, with Gemini-2.5-pro requiring the fewest output tokens and lowest cost. The next steps toward autonomous PIC development include standardized knowledge representations, expanded datasets, extended verification, and robotic automation.
• Abstract（参考訳）: 本稿では,PIC設計要求をレイアウトマスクファイルに変換するマルチエージェントフレームワークであるPhotonics Intelligent Design and Optimization(PhIDO)を提案する。 単一デバイスから112コンポーネントのPICまでの102の設計記述をテストベンチで比較した。 シングルデバイス設計の成功率は91%であった。 15コンポーネント以下の設計クエリでは、o1、Gemini-2.5-pro、Claude Opus 4が最大57%のエンドツーエンドパス@5成功率を達成し、Gemini-2.5-proは最小の出力トークンと最低コストを必要とした。 自律型PIC開発に向けた次のステップには、標準化された知識表現、拡張データセット、拡張検証、ロボット自動化などがある。

関連論文リスト

• Multi-Agent Reinforcement Learning for Inverse Design in Photonic Integrated Circuits [19.195483866933984]
  フォトニック集積回路(PIC)の逆設計は、伝統的に勾配に基づく最適化に依存してきた。 PICの設計のための強化学習環境とマルチエージェントRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-23T13:34:27Z)
• FLIP Reasoning Challenge [20.706469085872516]
  本稿では,人間の検証タスクに基づいてAI推論能力を評価するためのベンチマークであるFLIPデータセットを紹介する。 FLIPの課題は、4つのイメージの2つの順序をユーザに提供することだ。 我々の実験は、視覚言語モデル(VLM)と大規模言語モデル(LLM)の両方を活用して、最先端のモデルを評価する。
  論文  参考訳（メタデータ） (2025-04-16T17:07:16Z)
• Parameter-Inverted Image Pyramid Networks for Visual Perception and Multimodal Understanding [49.218195440600354]
  現在の画像ピラミッドは、複数の解像度を処理するために同じ大規模なモデルを使用しており、計算コストを大幅に上回っている。 我々はCOCO変換画像ピラミッドネットワーク(PIIP)と呼ばれる新しいネットワークアーキテクチャを提案する。 PIIPは、事前訓練されたモデル(ViTまたはCNN)を、より小さなネットワークブランチによって高解像度の画像が処理され、計算コストと性能のバランスをとるマルチスケールイメージの処理に使用する。
  論文  参考訳（メタデータ） (2025-01-14T01:57:41Z)
• OminiControl: Minimal and Universal Control for Diffusion Transformer [68.3243031301164]
  我々は,Diffusion Transformer(DiT)アーキテクチャに画像条件をどのように統合するかを再考する,新しいアプローチであるOminiControlを提案する。 OminiControlは3つの重要なイノベーションを通じて、これらの制限に対処する。
  論文  参考訳（メタデータ） (2024-11-22T17:55:15Z)
• Flemme: A Flexible and Modular Learning Platform for Medical Images [5.086862917025204]
  Flemmeは、MedicalイメージのためのFLExible and Modular Learningプラットフォームである。 コンボリューション,トランスフォーマー,状態空間モデル(SSM)に基づくビルディングブロックを用いてエンコーダを構築し,2次元画像パッチと3次元画像パッチの両処理を行う。
  論文  参考訳（メタデータ） (2024-08-18T05:47:33Z)
• Model-to-Circuit Cross-Approximation For Printed Machine Learning Classifiers [4.865819809855699]
  プリントエレクトロニクス(PE)は、オンデマンド製造、低い非再帰エンジニアリングコスト、サブセント製造コストを約束する。 PEにおける大きな特徴サイズは、PEにおける複雑なMLモデルの実現を禁止している。 本稿では,PEにおける複雑なMLモデルを実現するため,自動層間近似フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-14T22:11:34Z)
• Squeezeformer: An Efficient Transformer for Automatic Speech Recognition [99.349598600887]
  Conformerは、そのハイブリッドアテンション・コンボリューションアーキテクチャに基づいて、様々な下流音声タスクの事実上のバックボーンモデルである。 Squeezeformerモデルを提案する。これは、同じトレーニングスキームの下で、最先端のASRモデルよりも一貫して優れている。
  論文  参考訳（メタデータ） (2022-06-02T06:06:29Z)

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。