論文の概要: VLM-CAD: VLM-Optimized Collaborative Agent Design Workflow for Analog Circuit Sizing

• arxiv url: http://arxiv.org/abs/2601.07315v1
• Date: Mon, 12 Jan 2026 08:37:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.289338
• Title: VLM-CAD: VLM-Optimized Collaborative Agent Design Workflow for Analog Circuit Sizing
• Title（参考訳）: VLM-CAD:アナログ回路サイズのためのVLM最適化協調エージェント設計ワークフロー
• Authors: Guanyuan Pan, Yugui Lin, Tiansheng Zhou, Pietro Liò, Shuai Wang, Yaqi Wang,
• Abstract要約: 既存のアナログ回路サイズ化アプローチは、しばしば回路設計を過小評価し、産業採用に必要な説明責任を欠いている。 本稿では,視覚言語モデル最適化協調エージェントワークフロー (VLM-CAD) を提案する。 180nm, 90nm, 45nmの予測技術モデルを用いた小型化作業実験の結果, VLM-CADは効率よく電力と性能のバランスを保ち、100%の成功率を達成した。
• 参考スコア（独自算出の注目度）: 14.759576897498826
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Analog mixed-signal circuit sizing involves complex trade-offs within high-dimensional design spaces. Existing automatic analog circuit sizing approaches often underutilize circuit schematics and lack the explainability required for industry adoption. To tackle these challenges, we propose a Vision Language Model-optimized collaborative agent design workflow (VLM-CAD), which analyzes circuits, optimizes DC operating points, performs inference-based sizing and executes external sizing optimization. We integrate Image2Net to annotate circuit schematics and generate a structured JSON description for precise interpretation by Vision Language Models. Furthermore, we propose an Explainable Trust Region Bayesian Optimization method (ExTuRBO) that employs collaborative warm-starting from agent-generated seeds and offers dual-granularity sensitivity analysis for external sizing optimization, supporting a comprehensive final design report. Experiment results on amplifier sizing tasks using 180nm, 90nm, and 45nm Predictive Technology Models demonstrate that VLM-CAD effectively balances power and performance, achieving a 100% success rate in optimizing an amplifier with a complementary input and a class-AB output stage, while maintaining total runtime under 43 minutes across all experiments.
• Abstract（参考訳）: アナログ混合信号回路サイズは、高次元設計空間内の複雑なトレードオフを伴う。 既存のアナログ回路サイズ化アプローチは、しばしば回路設計を過小評価し、産業採用に必要な説明責任を欠いている。 これらの課題に対処するため,視覚言語モデル最適化協調エージェント設計ワークフロー (VLM-CAD) を提案する。 我々はImage2Netを統合してアノテート回路設計図を作成し、視覚言語モデルによる正確な解釈のための構造化JSON記述を生成する。 さらに,エージェント生成種子からの温暖化開始を協調的に行うExplainable Trust Region Bayesian Optimization法(ExTuRBO)を提案する。 180nm, 90nm, 45nmの予測技術モデルを用いた増幅器サイズ化タスクの実験結果から, VLM-CADは電力と性能のバランスを効果的に保ち, 相補的な入力とクラスAB出力で増幅器の最適化に100%成功し, 全実験で43分以下の総実行時間を維持した。

関連論文リスト

• AnaFlow: Agentic LLM-based Workflow for Reasoning-Driven Explainable and Sample-Efficient Analog Circuit Sizing [1.2617078020344616]
  サンプル効率と説明可能なアナログ回路サイズのための新しいエージェントAIフレームワークを提案する。 AnaFlowフレームワークは、複雑さの異なる2つの回路で実証されており、サイズタスクを完全に完了することができる。 固有の説明可能性により、アナログ設計空間探索の強力なツールとなり、アナログEDAの新しいパラダイムとなる。
  論文  参考訳（メタデータ） (2025-11-05T18:24:01Z)
• Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
  低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。 オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。 動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:11:21Z)
• EEsizer: LLM-Based AI Agent for Sizing of Analog and Mixed Signal Circuit [3.0075075797261532]
  本稿では,大規模な言語モデルと回路シミュレータ,カスタムデータ解析機能を統合するAIエージェントであるEEsizerを提案する。 迅速な工学的推論と理論的推論を駆使して、エージェントは設計の方向性を反復的に探求し、性能を評価し、人間の介入を最小限に抑えてソリューションを洗練する。
  論文  参考訳（メタデータ） (2025-09-29T21:08:23Z)
• AnalogCoder-Pro: Unifying Analog Circuit Generation and Optimization via Multi-modal LLMs [40.14708895187017]
  本稿では,多モーダル大規模言語モデル(LLM)フレームワークであるAnalogCoder-Proについて述べる。 このフレームワークは、シミュレーションエラーメッセージと波形画像を使って自動で設計エラーを補正するマルチモーダルな診断・修復フィードバックループを備えている。 13種類の回路を網羅したベンチマークスイートで、AnalogCoder-Proは28個の回路を設計し、既存のLCMベースの手法よりも一貫して性能を向上した。
  論文  参考訳（メタデータ） (2025-08-04T15:25:48Z)
• Scaling Intelligence: Designing Data Centers for Next-Gen Language Models [0.6168147650666682]
  GPT-4のような1.8兆のパラメータを持つ大規模言語モデル(LLM)は、データセンターアーキテクチャの根本的な再考を要求する。 我々の研究は、FLOPS、帯域幅と容量、複数のネットワークトポロジを共同で探求する包括的な協調設計フレームワークを提供する。 我々は、重なり合う計算と通信の利点を定量化し、ハードウェアアクセラレーションされた集合体を活用し、スケールアウト領域を広げ、メモリ容量を増大させる。
  論文  参考訳（メタデータ） (2025-06-17T22:29:37Z)
• LLM-based AI Agent for Sizing of Analog and Mixed Signal Circuit [2.979579757819132]
  大規模言語モデル (LLM) は様々な分野において大きな可能性を証明している。 本研究では,AMS回路設計のためのLLMベースのAIエージェントを提案する。
  論文  参考訳（メタデータ） (2025-04-14T22:18:16Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Proximal Policy Optimization-based Transmit Beamforming and Phase-shift Design in an IRS-aided ISAC System for the THz Band [90.45915557253385]
  テラヘルツ(THz)帯で動作するIRS支援統合センシング・通信(ISAC)システムを提案し,システム容量を最大化する。 透過ビームフォーミングと位相シフト設計はエルゴード制約を伴う普遍最適化問題に変換される。
  論文  参考訳（メタデータ） (2022-03-21T09:15:18Z)

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。