論文の概要: AMS-IO-Bench and AMS-IO-Agent: Benchmarking and Structured Reasoning for Analog and Mixed-Signal Integrated Circuit Input/Output Design

• arxiv url: http://arxiv.org/abs/2512.21613v1
• Date: Thu, 25 Dec 2025 10:20:55 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 11:58:36.574184
• Title: AMS-IO-Bench and AMS-IO-Agent: Benchmarking and Structured Reasoning for Analog and Mixed-Signal Integrated Circuit Input/Output Design
• Title（参考訳）: AMS-IO-BenchとAMS-IO-Agent:アナログおよび混合信号集積回路入出力設計のためのベンチマークと構造化推論
• Authors: Zhishuai Zhang, Xintian Li, Shilong Liu, Aodong Zhang, Lu Jie, Nan Sun,
• Abstract要約: 構造認識型入出力(I/O)サブシステム生成のためのドメイン特化LDMエージェントであるAMS-IO-Agentを提案する。 この研究の中心的な貢献は、自然言語設計意図と産業レベルのAMS IC成果物とを結びつけるフレームワークである。 ベンチマークでは、AMS-IO-Agentは70%以上のDRC+LVSパスレートを達成し、設計のターンアラウンド時間を数時間から数分に短縮する。
• 参考スコア（独自算出の注目度）: 18.018004851332396
• License:
• Abstract: In this paper, we propose AMS-IO-Agent, a domain-specialized LLM-based agent for structure-aware input/output (I/O) subsystem generation in analog and mixed-signal (AMS) integrated circuits (ICs). The central contribution of this work is a framework that connects natural language design intent with industrial-level AMS IC design deliverables. AMS-IO-Agent integrates two key capabilities: (1) a structured domain knowledge base that captures reusable constraints and design conventions; (2) design intent structuring, which converts ambiguous user intent into verifiable logic steps using JSON and Python as intermediate formats. We further introduce AMS-IO-Bench, a benchmark for wirebond-packaged AMS I/O ring automation. On this benchmark, AMS-IO-Agent achieves over 70\% DRC+LVS pass rate and reduces design turnaround time from hours to minutes, outperforming the baseline LLM. Furthermore, an agent-generated I/O ring was fabricated and validated in a 28 nm CMOS tape-out, demonstrating the practical effectiveness of the approach in real AMS IC design flows. To our knowledge, this is the first reported human-agent collaborative AMS IC design in which an LLM-based agent completes a nontrivial subtask with outputs directly used in silicon.
• Abstract（参考訳）: 本稿では,AMS-IO-Agentを提案する。AMS-IO-Agentは構造認識型入力/出力(I/O)サブシステム生成のためのドメイン特化LDMベースのエージェントである。 この研究の中心的な貢献は、自然言語設計意図と産業レベルのAMS IC設計成果物とを結びつけるフレームワークである。 AMS-IO-Agentは、(1)再利用可能な制約や設計規約をキャプチャする構造化されたドメイン知識ベース、(2)曖昧なユーザ意図を中間フォーマットとしてJSONとPythonを使用して検証可能なロジックステップに変換する設計意図の構造化という、2つの重要な機能を統合する。 ワイヤボンドパッケージAMS I/Oリング自動化のベンチマークであるAMS-IO-Benchについても紹介する。 このベンチマークでは、AMS-IO-Agentは70\% DRC+LVSパスレートを達成し、設計のターンアラウンド時間を数時間から数分に短縮し、ベースラインのLLMを上回った。 さらに、エージェント生成したI/Oリングを28nmCMOSテープアウトで作製し、実AMS IC設計フローにおけるアプローチの有効性を実証した。 我々の知る限り、LLMをベースとしたエージェントがシリコンに直接使用した出力で非自明なサブタスクを完了する、人間とエージェントの協調的なAMS IC設計が報告されたのはこれが初めてである。

関連論文リスト

• A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
  この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。 本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
  論文  参考訳（メタデータ） (2025-10-10T06:56:50Z)
• AMSbench: A Comprehensive Benchmark for Evaluating MLLM Capabilities in AMS Circuits [15.37303396881353]
  AMSbenchはマルチモーダル大言語モデル(MLLM)を評価するためのベンチマークスイートである。 本評価は,現在のMLLMにおいて重要な限界を浮き彫りにしたものである。 これらの結果は、MLLMの理解を深め、回路固有の知識を効果的に適用する必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-05-30T02:17:45Z)
• Pangu Embedded: An Efficient Dual-system LLM Reasoner with Metacognition [95.54406667705999]
  Pangu Embeddedは、Ascend Neural Processing Units (NPU) 上で開発された効率的なLarge Language Model (LLM) 推論器である。 既存の推論最適化 LLM でよく見られる計算コストと推論遅延の問題に対処する。 単一の統一モデルアーキテクチャ内で、迅速な応答と最先端の推論品質を提供する。
  論文  参考訳（メタデータ） (2025-05-28T14:03:02Z)
• AMSnet-KG: A Netlist Dataset for LLM-based AMS Circuit Auto-Design Using Knowledge Graph RAG [15.61553255884534]
  大型言語モデル(LLM)は電子設計自動化(EDA)アプリケーションのための強力なツールとして登場した。 本稿では,様々なAMS回路スキーマとネットリストを含むデータセットであるAMSnet-KGを紹介する。 LLMに埋め込まれた包括的知識を利用する自動AMS回路生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-07T02:49:53Z)
• AMSNet: Netlist Dataset for AMS Circuits [8.601352527168821]
  我々は、スキーマをネットリストに変換する自動手法を開発し、データセットAMSNetを作成する。 サイズが大きくなるにつれて、AMSNetはAMS回路設計におけるMLLMアプリケーションの探索を著しく容易にする。
  論文  参考訳（メタデータ） (2024-05-15T02:46:04Z)
• SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering [79.07755560048388]
  SWEエージェント(SWE-agent)は、LMエージェントが自律的にコンピュータを使用してソフトウェア工学のタスクを解決するシステムである。 SWEエージェントのカスタムエージェントコンピュータインタフェース(ACI)は、エージェントがコードファイルを作成し編集し、リポジトリ全体をナビゲートし、テストやその他のプログラムを実行する能力を著しく向上させる。 我々はSWE-benchとHumanEvalFixのSWE-agentを評価し、それぞれ12.5%と87.7%のパス@1レートで最先端の性能を実現した。
  論文  参考訳（メタデータ） (2024-05-06T17:41:33Z)

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。