論文の概要: Automated Generation of Microfluidic Netlists using Large Language Models

• arxiv url: http://arxiv.org/abs/2602.19297v1
• Date: Sun, 22 Feb 2026 18:14:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.572469
• Title: Automated Generation of Microfluidic Netlists using Large Language Models
• Title（参考訳）: 大規模言語モデルを用いたマイクロ流体ネットリストの自動生成
• Authors: Jasper Davidson, Skylar Stockham, Allen Boston, Ashton Snelgrove. Valerio Tenace, Pierre-Emmanuel Gaillardon,
• Abstract要約: この研究は、この文脈における大規模言語モデル(LLM)の最初の実践的応用を紹介している。 本稿では,自然言語マイクロ流体デバイス仕様をシステムレベルのVerilogネットリストに変換するための初期手法を提案する。
• 参考スコア（独自算出の注目度）: 0.33833986748682654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Microfluidic devices have emerged as powerful tools in various laboratory applications, but the complexity of their design limits accessibility for many practitioners. While progress has been made in microfluidic design automation (MFDA), a practical and intuitive solution is still needed to connect microfluidic practitioners with MFDA techniques. This work introduces the first practical application of large language models (LLMs) in this context, providing a preliminary demonstration. Building on prior research in hardware description language (HDL) code generation with LLMs, we propose an initial methodology to convert natural language microfluidic device specifications into system-level structural Verilog netlists. We demonstrate the feasibility of our approach by generating structural netlists for practical benchmarks representative of typical microfluidic designs with correct functional flow and an average syntactical accuracy of 88%.
• Abstract（参考訳）: マイクロ流体デバイスは様々な実験室で強力なツールとして登場したが、設計の複雑さは多くの実践者にとってアクセシビリティを制限している。 マイクロ流体設計自動化(MFDA)の進歩は進んでいるが、マイクロ流体専門家とMFDAの技術を結びつけるためには、実用的で直感的な解決策が必要である。 この研究は、この文脈における大規模言語モデル(LLM)の最初の実践的応用を紹介し、予備的なデモンストレーションを提供する。 LLMを用いたハードウェア記述言語(HDL)コード生成の先行研究に基づいて、自然言語マイクロ流体デバイス仕様をシステムレベルのVerilogネットリストに変換するための初期手法を提案する。 機能的フローが正しく, 平均構文的精度が88%の典型的なマイクロ流体設計を代表して, 実用ベンチマーク用の構造ネットリストを生成することで, 提案手法の有効性を実証する。

関連論文リスト

• Chat to Chip: Large Language Model Based Design of Arbitrarily Shaped Metasurfaces [1.7706010980924418]
  LLMはスペクトル予測と逆設計に必要な物理的関係を学習できることを示す。 この"chat-to-chip"ワークフローは、よりユーザフレンドリーなデータ駆動ナノフォトニクスへの一歩である。
  論文  参考訳（メタデータ） (2025-09-29T02:24:57Z)
• Mic-hackathon 2024: Hackathon on Machine Learning for Electron and Scanning Probe Microscopy [54.24356756795849]
  顕微鏡は、ナノメートルと原子スケールにおける材料構造と機能に関する情報の主要な源である。 主要な資金機関によるデータ管理計画(DMP)の導入は、保存とアクセスを促進する。 標準化されたコードエコシステム、ベンチマーク、統合戦略が欠如しているため、洞察を得るのは難しいままです。
  論文  参考訳（メタデータ） (2025-06-10T03:54:36Z)
• LLMic: Romanian Foundation Language Model [76.09455151754062]
  ルーマニア語に特化して設計された基礎言語モデルである LLMic について述べる。 英語からルーマニア語への翻訳作業において,事前学習後の言語翻訳のための微調整 LLMic が既存の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-01-13T22:14:45Z)
• DropMicroFluidAgents (DMFAs): Autonomous Droplet Microfluidic Research Framework Through Large Language Model Agents [0.6827423171182153]
  本研究では, 液滴マイクロ流体学研究におけるLarge Language Model (LLM) の有効性を示す。 LLAMA3.1モデルとDMFAの統合により、76.15%の精度が得られた。 これらの能力により、教育や産業支援にまたがる応用が可能となり、科学的な発見と革新の効率が向上する。
  論文  参考訳（メタデータ） (2024-12-30T11:58:52Z)
• Autonomous Droplet Microfluidic Design Framework with Large Language Models [0.6827423171182153]
  本研究では,処理および特徴抽出のためのフレームワークであるMicroFluidic-LLMsを提案する。 コンテンツが言語形式に変換され、事前訓練された大きな言語モデルを活用することで、処理上の課題を克服する。 当社のMicroFluidic-LLMsフレームワークは、ディープニューラルネットワークモデルに極めて効果的で簡単なものにすることができることを実証しています。
  論文  参考訳（メタデータ） (2024-11-11T03:20:53Z)
• A Large Language Model and Denoising Diffusion Framework for Targeted Design of Microstructures with Commands in Natural Language [0.0]
  自然言語処理(NLP)、大言語モデル(LLM)、拡散確率モデル(DDPM)を統合したフレームワークを提案する。 我々のフレームワークは、事前訓練されたLLMによって駆動されるコンテキストデータ拡張を用いて、多様なマイクロ構造記述子のデータセットを生成し、拡張する。 再学習されたNERモデルは、ユーザが提供する自然言語入力から関連するマイクロ構造記述子を抽出し、DDPMによってターゲットとなる機械的特性とトポロジ的特徴を持つマイクロ構造を生成する。
  論文  参考訳（メタデータ） (2024-09-22T14:45:22Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• Design2Code: Benchmarking Multimodal Code Generation for Automated Front-End Engineering [74.99736967448423]
  私たちは、このタスクのための最初の実世界のベンチマークであるDesign2Codeを構築します。 テストケースとして484の多様な実世界のWebページを手作業でキュレートし、自動評価指標のセットを開発する。 我々の詳細なブレークダウンメトリクスは、入力されたWebページから視覚要素をリコールし、正しいレイアウト設計を生成するモデルがほとんど遅れていることを示している。
  論文  参考訳（メタデータ） (2024-03-05T17:56:27Z)
• Microscopy is All You Need [0.0]
  我々は、機械学習手法を開発するための有望な経路は、ドメイン固有のデプロイ可能なアルゴリズムの経路であると主張している。 これは基礎的な物理研究の恩恵を受け、ロボット工学や製造といったより複雑な自律システムのテストベッドとして機能する。
  論文  参考訳（メタデータ） (2022-10-12T18:41:40Z)

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。