論文の概要: Large Language Models (LLMs) for Electronic Design Automation (EDA)

• arxiv url: http://arxiv.org/abs/2508.20030v1
• Date: Wed, 27 Aug 2025 16:33:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.706927
• Title: Large Language Models (LLMs) for Electronic Design Automation (EDA)
• Title（参考訳）: 電子設計自動化のための大規模言語モデル(LLM)
• Authors: Kangwei Xu, Denis Schwachhofer, Jason Blocklove, Ilia Polian, Peter Domanski, Dirk Pflüger, Siddharth Garg, Ramesh Karri, Ozgur Sinanoglu, Johann Knechtel, Zhuorui Zhao, Ulf Schlichtmann, Bing Li,
• Abstract要約: 大規模言語モデル(LLM)は、文脈理解、論理的推論、生成能力において顕著な進歩を見せている。 本稿では,LEMをEDAに組み込むことについて概観し,その能力,限界,今後の可能性について述べる。
• 参考スコア（独自算出の注目度）: 18.960099922485515
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the growing complexity of modern integrated circuits, hardware engineers are required to devote more effort to the full design-to-manufacturing workflow. This workflow involves numerous iterations, making it both labor-intensive and error-prone. Therefore, there is an urgent demand for more efficient Electronic Design Automation (EDA) solutions to accelerate hardware development. Recently, large language models (LLMs) have shown remarkable advancements in contextual comprehension, logical reasoning, and generative capabilities. Since hardware designs and intermediate scripts can be represented as text, integrating LLM for EDA offers a promising opportunity to simplify and even automate the entire workflow. Accordingly, this paper provides a comprehensive overview of incorporating LLMs into EDA, with emphasis on their capabilities, limitations, and future opportunities. Three case studies, along with their outlook, are introduced to demonstrate the capabilities of LLMs in hardware design, testing, and optimization. Finally, future directions and challenges are highlighted to further explore the potential of LLMs in shaping the next-generation EDA, providing valuable insights for researchers interested in leveraging advanced AI technologies for EDA.
• Abstract（参考訳）: 現代の集積回路の複雑さが増す中、ハードウェアエンジニアは設計から製造までのワークフローにより多くの努力を払わなければならない。 このワークフローには多数のイテレーションが含まれており、労働集約的かつエラーを起こします。 そのため、ハードウェア開発を加速するために、より効率的な電子設計自動化(EDA)ソリューションが緊急に求められている。 近年,大規模言語モデル (LLM) は文脈理解,論理的推論,生成能力において顕著な進歩を見せている。 ハードウェア設計と中間スクリプトはテキストとして表現できるため、LEM for EDAの統合はワークフロー全体を単純化し、自動化する有望な機会を提供する。 そこで本稿では,LEMをEDAに組み込むための総合的な概要を述べるとともに,その能力,限界,今後の可能性について述べる。 ハードウェア設計、テスト、最適化におけるLLMの機能を示すために、3つのケーススタディが紹介されている。 最後に、将来の方向性と課題が強調され、次世代のEDAを形成する上でのLLMの可能性をさらに探求し、高度なAI技術をEDAに活用することに関心のある研究者に貴重な洞察を提供する。

関連論文リスト

• Generative AI for CAD Automation: Leveraging Large Language Models for 3D Modelling [31.94035963354055]
  大規模言語モデル(LLM)は、効率性、スケーラビリティ、革新性を向上させることで産業に革命をもたらしている。 本稿では,フリーCAD と LLM をCAD ツールとして統合することにより,CAD の自動設計における LLM の可能性を検討する。 本稿では,LLMが自然言語記述からCADスクリプトを生成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-05T23:30:17Z)
• Exploring Code Language Models for Automated HLS-based Hardware Generation: Benchmark, Infrastructure and Analysis [14.458529723566379]
  LLM(Large Language Model)は、PythonやC++などのプログラミング言語に使用される。 本稿では,LLMを利用してHLS(High-Level Synthesis)ベースのハードウェア設計を行う。
  論文  参考訳（メタデータ） (2025-02-19T17:53:59Z)
• A Survey of Research in Large Language Models for Electronic Design Automation [5.426530967206322]
  大規模言語モデル (LLM) は変換技術として登場している。 この調査は、モデルアーキテクチャの進歩、さまざまなモデルサイズの影響、そして革新的なカスタマイズ技術に焦点を当てている。 EDA業界やAI研究者、高度なAI技術や電子設計の収束に関心のある人には、貴重な洞察を提供することを目指している。
  論文  参考訳（メタデータ） (2025-01-16T16:51:59Z)
• Large Action Models: From Inception to Implementation [51.81485642442344]
  大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。 LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。 創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-13T11:19:56Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• A Comprehensive Review of Multimodal Large Language Models: Performance and Challenges Across Different Tasks [74.52259252807191]
  MLLM(Multimodal Large Language Models)は、単一のモダリティシステムの能力を超えた現実世界のアプリケーションの複雑さに対処する。 本稿では,自然言語,視覚,音声などのマルチモーダルタスクにおけるMLLMの応用を体系的に整理する。
  論文  参考訳（メタデータ） (2024-08-02T15:14:53Z)
• LLM4EDA: Emerging Progress in Large Language Models for Electronic Design Automation [74.7163199054881]
  大規模言語モデル(LLM)は、文脈理解、論理推論、回答生成においてその能力を実証している。 本稿では,EDA分野におけるLLMの応用に関する系統的研究を行う。 論理合成,物理設計,マルチモーダル特徴抽出,回路のアライメントにLLMを適用することに焦点を当て,今後の研究の方向性を強調した。
  論文  参考訳（メタデータ） (2023-12-28T15:09:14Z)
• ChatEDA: A Large Language Model Powered Autonomous Agent for EDA [6.858976599086164]
  本稿では, LLM, AutoMage, EDAツールがエグゼクタとして機能するEDA用自律エージェントChatEDAを紹介する。 ChatEDAは、タスク分解、スクリプト生成、タスク実行を効果的に管理することで、登録-転送レベル(RTL)からグラフデータシステムバージョンII(GDSII)への設計フローを合理化する。
  論文  参考訳（メタデータ） (2023-08-20T08:32:13Z)
• Machine Learning for Electronic Design Automation: A Survey [23.803190584543863]
  CMOS技術のダウンスケーリングにより、超大規模集積(VLSI)の設計複雑さが増大している。 機械学習(ML)の最近のブレークスルーとEDAタスクの複雑さの増大により、ESAタスクの解決にMLを組み込むことへの関心が高まっている。
  論文  参考訳（メタデータ） (2021-01-10T12:54:37Z)

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。