論文の概要: GUIDE: GenAI Units In Digital Design Education
- arxiv url: http://arxiv.org/abs/2603.17296v1
- Date: Wed, 18 Mar 2026 02:43:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-19 18:32:57.481768
- Title: GUIDE: GenAI Units In Digital Design Education
- Title（参考訳）: GUIDE:デジタルデザイン教育におけるGenAIユニット
- Authors: Weihua Xiao, Jason Blocklove, Matthew DeLorenzo, Johann Knechtel, Ozgur Sinanoglu, Kanad Basu, Jeyavijayan Rajendran, Siddharth Garg, Ramesh Karri,
- Abstract要約: GenAI Units In Digital Design Education (GUIDE) はオープンなコースウェアリポジトリであり、ランナブルなGoogle Colabラボやその他の教材がある。
本稿では,スライド,ショートビデオ,ランナブルラボ,関連論文などからなる標準化された教育単位に基づく,リポジトリのアーキテクチャと教育手法について述べる。
- 参考スコア（独自算出の注目度）: 19.547572574820503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: GenAI Units In Digital Design Education (GUIDE) is an open courseware repository with runnable Google Colab labs and other materials. We describe the repository's architecture and educational approach based on standardized teaching units comprising slides, short videos, runnable labs, and related papers. This organization enables consistency for both the students' learning experience and the reuse and grading by instructors. We demonstrate GUIDE in practice with three representative units: VeriThoughts for reasoning and formal-verification-backed RTL generation, enhanced LLM-aided testbench generation, and LLMPirate for IP Piracy. We also provide details for four example course instances (GUIDE4ChipDesign, Build your ASIC, GUIDE4HardwareSecurity, and Hardware Design) that assemble GUIDE units into full semester offerings, learning outcomes, and capstone projects, all based on proven materials. For example, the GUIDE4HardwareSecurity course includes a project on LLM-aided hardware Trojan insertion that has been successfully deployed in the classroom and in Cybersecurity Games and Conference (CSAW), a student competition and academic conference for cybersecurity. We also organized an NYU Cognichip Hackathon, engaging students across 24 international teams in AI-assisted RTL design workflows. The GUIDE repository is open for contributions and available at: https://github.com/FCHXWH823/LLM4ChipDesign.
- Abstract（参考訳）: GenAI Units In Digital Design Education (GUIDE) はオープンなコースウェアリポジトリであり、ランナブルなGoogle Colabラボやその他の教材がある。
本稿では,スライド,ショートビデオ,ランナブルラボ,関連論文などからなる標準化された教育単位に基づく,リポジトリのアーキテクチャと教育手法について述べる。
この組織は、生徒の学習経験と、インストラクターによる再利用と成績の整合性を実現する。
3つの代表的なユニットでGUIDEを実演する: 推論用VeriThoughtsと形式検証支援型RTL生成、LLM支援型テストベンチ生成の強化、IP PiracyのためのLLMPirate。
またGUIDE4ChipDesign、Build your ASIC、GUIDE4HardwareSecurity、およびハードウェアデザインの4つのサンプルコースインスタンスの詳細も提供します。
例えば、GUIDE4HardwareSecurityコースには、LLM支援ハードウェアであるTrojan挿入に関するプロジェクトが含まれている。
私たちはNYU Cognichip Hackathonを組織し、24の国際チームの学生をAI支援のRTLデザインワークフローに参加させた。
GUIDEリポジトリは、 https://github.com/FCHXWH823/LLM4ChipDesign.orgで公開されている。
関連論文リスト
- ICLF: An Immersive Code Learning Framework based on Git for Teaching and Evaluating Student Programming Projects [2.030202554182725]
Immersive Code Learning Framework (ICLF)は、学生プログラミングプロジェクトを管理し評価するためのスケーラブルなGitベースの組織パイプラインである。
学生は既存のコードベースから始めます。これは現実世界のソフトウェア開発をミラー化するのに不可欠なプラクティスです。
学生は、この中間リポジトリのプライベートフォークに招待され、教師が親リポジトリを変更するたびに、学期を通して更新される可能性がある。
論文 参考訳（メタデータ） (2026-01-21T09:39:17Z) - Report for NSF Workshop on AI for Electronic Design Automation [56.48556959103223]
本報告は、電子設計自動化のためのAIワークショップ(NSF Workshop on AI for Electronic Design Automation, EDA)の議論とレコメンデーションを精査するものである。
機械学習とEDAを専門とするワークショップでは、AIが拡張する大規模言語モデル(LLM)、グラフニューラルネットワーク(GNN)、強化学習(RL)、ニューロシンボリックメソッドなどについて調査した。
報告書では、AI/EDAコラボレーションの促進、EDAのための基礎的AIへの投資、堅牢なデータインフラストラクチャの開発、スケーラブルなコンピューティングインフラストラクチャの促進、ハードウェア設計の民主化と次世代ハードウェアシステムの実現のための労働力開発への投資をNSFが推奨している。
論文 参考訳（メタデータ） (2026-01-20T23:45:40Z) - Dual Learning with Dynamic Knowledge Distillation and Soft Alignment for Partially Relevant Video Retrieval [53.54695034420311]
実際には、ビデオは通常、より複雑な背景コンテンツによって、長い時間で切り離される。
本稿では,大規模視覚言語事前学習モデルから一般化知識を抽出する新しい枠組みを提案する。
実験により,本モデルがTVR,ActivityNet,Charades-STAデータセット上での最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2025-10-14T08:38:20Z) - PyTorch-based Geometric Learning with Non-CUDA Processing Units: Experiences from Intel Gaudi-v2 HPUs [25.69187509653635]
我々はPyTorchベースの幾何学習フレームワークをGaudi-v2 HPUに移植した経験を紹介する。
16のガイド付きチュートリアルと11の実例を統合し,故障の診断と詳細な回避策について検討した。
論文 参考訳（メタデータ） (2025-06-20T04:10:48Z) - AI-University: An LLM-based platform for instructional alignment to scientific classrooms [12.733784667573211]
AI主導のコースコンテンツ配信のための柔軟なフレームワークであるAI University(AI-U)を紹介する。
コアとなるAI-Uは、検索強化世代(RAG)を備えた大規模言語モデル(LLM)を微調整し、講義ビデオ、ノート、教科書からインストラクター対応の応答を生成する。
本稿では、学習データを体系的に構築し、ローランド適応(LoRA)を用いたオープンソースのLLMを微調整し、RAGベースの合成による応答を最適化するスケーラブルなパイプラインを提案する。
論文 参考訳（メタデータ） (2025-04-11T01:26:34Z) - All Artificial, Less Intelligence: GenAI through the Lens of Formal Verification [2.015768713390138]
本稿では,現代のハードウェア設計における共通弱さ(CWE)の形式的検証に焦点を当てる。
ハードウェア設計を脆弱性またはCWEフリーに分類するために,形式検証を適用する。
我々は、識別された脆弱性を、6万の生成したSystemVerilog Register Transfer Level (RTL)コードに対してCWE番号に関連付けている。
論文 参考訳（メタデータ） (2024-03-25T13:23:24Z) - Struc-Bench: Are Large Language Models Really Good at Generating Complex Structured Data? [49.688233418425995]
Struc-Benchは、大きな言語モデル(LLM)を特徴とする包括的なベンチマークである。
Pスコア(Prompting Score)とHスコア(Heuristical Score)の2つの革新的な指標を提案する。
実験の結果,LLaMA-7Bに構造認識の微調整を適用すると,性能が大幅に向上することがわかった。
論文 参考訳（メタデータ） (2023-09-16T11:31:58Z) - FPGA Implementation of Convolutional Neural Network for Real-Time
Handwriting Recognition [0.0]
我々はAltera DE1 FPGA Kitを用いて手書き文字と数字を認識できる高構成のリアルタイムデバイスを設計した。
IEEE-754 32ビット浮動小数点標準など、さまざまな技術標準に従いました。
画像処理,行列乗算,ML分類,ユーザインタフェースを管理する5-784プロセッサをSystem Verilogで開発した。
論文 参考訳（メタデータ） (2023-06-23T15:31:09Z) - CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。
我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。
CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文 参考訳（メタデータ） (2023-05-31T05:24:48Z) - Using Machine Learning to Predict Engineering Technology Students'
Success with Computer Aided Design [50.591267188664666]
機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。
初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。
これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
論文 参考訳（メタデータ） (2021-08-12T20:24:54Z)
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。