論文の概要: VeriGraphi: A Multi-Agent Framework of Hierarchical RTL Generation for Large Hardware Designs

• arxiv url: http://arxiv.org/abs/2604.14550v1
• Date: Thu, 16 Apr 2026 02:30:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.685844
• Title: VeriGraphi: A Multi-Agent Framework of Hierarchical RTL Generation for Large Hardware Designs
• Title（参考訳）: VeriGraphi: 大規模ハードウェア設計のための階層RTL生成のマルチエージェントフレームワーク
• Abstract要約: 本稿では,RTL生成パイプラインを駆動するアーキテクチャ基板として,仕様記述型知識グラフを導入するフレームワークであるVeriGraphiを紹介する。 VeriGraphi は RISC-V に対する人間の介入を最小限に抑え, 信頼性の高い階層型 RTL 生成を可能にする。
• 参考スコア（独自算出の注目度）: 5.354071922171165
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Generating synthesizable Verilog for large, hierarchical hardware designs remains a significant challenge for large language models (LLMs), which struggle to replicate the structured reasoning that human experts employ when translating complex specifications into RTL. When tasked with producing hierarchical Verilog, LLMs frequently lose context across modules, hallucinate interfaces, fabricate inter-module wiring, and fail to maintain structural coherence - failures that intensify as design complexity grows and specifications involve informal prose, figures, and tables that resist direct operationalization. To address these challenges, we present VeriGraphi, a framework that introduces a spec-anchored Knowledge Graph as the architectural substrate driving the RTL generation pipeline. VeriGraphi constructs a HDA, a structured knowledge graph that explicitly encodes module hierarchy, port-level interfaces, wiring semantics, and inter-module dependencies as first-class graph entities and relations. Built through iterative multi-agent analysis of the specification, this Knowledge Graph provides a deterministic, machine-checkable structural scaffold before code generation. Guided by the KG, a progressive coding module incrementally generates pseudo-code and synthesizable RTL while enforcing interface consistency and dependency correctness at each submodule stage. We evaluate VeriGraphi on a benchmark of three representative specification documents from the National Institute of Standards and Technology and their corresponding implementations, and we present a RV32I processor as a detailed case study to illustrate the full pipeline. The results demonstrate that VeriGraphi enables reliable hierarchical RTL generation with minimal human intervention for RISC-V, marking a significant milestone for LLM-generated hardware design while maintaining strong functional correctness.
• Abstract（参考訳）: 大規模で階層的なハードウェア設計のために合成可能なVerilogを生成することは、複雑な仕様をRTLに変換する際に人間の専門家が採用する構造的推論の再現に苦慮する大規模言語モデル(LLM)にとって、依然として重要な課題である。 階層的なVerilogを生成するタスクでは、モジュール間のコンテキスト、幻覚インターフェイス、モジュール間配線の作成、構造的コヒーレンス維持の失敗が頻繁に発生する。 これらの課題に対処するために,RTL生成パイプラインを駆動するアーキテクチャ基板として,仕様記述型知識グラフを導入するフレームワークであるVeriGraphiを紹介する。 VeriGraphiは、モジュール階層、ポートレベルのインターフェース、配線セマンティクス、モジュール間の依存関係を第一級グラフエンティティとリレーションとして明示的にエンコードする構造化知識グラフである。 この知識グラフは、コード生成の前に決定論的でマシンチェック可能な構造的な足場を提供する。 KGによってガイドされ、プログレッシブコーディングモジュールは、各サブモジュールステージでインターフェイスの一貫性と依存性の正しさを保ちながら、擬似コードと合成可能なRTLを漸進的に生成する。 我々は,国立標準技術研究所の3つの代表的な仕様文書とそれに対応する実装のベンチマークに基づいてVeriGraphiを評価し,完全なパイプラインを示すための詳細なケーススタディとしてRV32Iプロセッサを提案する。 その結果, VeriGraphi は RISC-V に対する人間の介入を最小限に抑え,信頼性の高い階層型 RTL 生成を可能にすることを示した。

関連論文リスト

• LLM-based Hardware Development with Hierarchical IRs and End-to-End Multi-Agent Workflow [3.3126072964592836]
  大規模言語モデル (LLM) はソフトウェア開発でますます使われているが、複雑なハードウェア設計での使用は限られている。 階層型中間表現(IR)とエンドツーエンドのマルチエージェントワークフローを備えたLCMベースのハードウェア開発フレームワークを提案する。 We evaluate our framework on Verilog-Eval benchmark, achieve a pass@5 rate of 95.5%, which is a current-of-the-art LLM generation frameworks。
  論文  参考訳（メタデータ） (2026-08-31T11:57:37Z)
• GraphIR: Architecture-Level Search States for LLM-Guided Neural Architecture Evolution [34.415252210308466]
  大規模言語モデル(LLM)は、実行可能ニューラルネットワークプログラム上でのニューラルネットワーク探索(NAS)を可能にする。 LLMはテンソルの依存関係、編集可能なコンポーネント、実装の詳細からの互換性の制約を推論しなければならない。 アーキテクチャを意識した中間表現であるGraphIRを提案する。
  論文  参考訳（メタデータ） (2026-08-03T03:06:58Z)
• UniRTL: Unifying Code and Graph for Robust RTL Representation Learning [25.37890373797555]
  コードとCDFGを併用して統一的なRTL表現を学習するマルチモーダル事前学習フレームワークUniRTLを提案する。 UniRTLは、ハードウェア設計の自動化を促進するための、より堅牢で強力な基盤として確立された。
  論文  参考訳（メタデータ） (2026-05-29T09:18:23Z)
• Benchmarking Requirement-to-Architecture Generation with Hybrid Evaluation [8.867061253116367]
  大規模言語モデル(LLM)は、ソフトウェアエンジニアリングタスクの自動化において大きな可能性を証明している。 要件文書からソフトウェアアーキテクチャ設計を生成することは、ソフトウェア開発における重要なステップである。 R2ABenchは、さまざまな現実世界のソフトウェアプロジェクトと、包括的製品要求文書(PRD)と専門家による参照図を組み合わせた、新しいベンチマークである。
  論文  参考訳（メタデータ） (2026-04-08T04:58:36Z)
• Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
  大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。 本稿では,再構築による理解という,新しいパラダイムを提案する。 マルチエージェントシミュレーションを用いて潜在エージェント軌道を合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） (2026-03-11T09:23:20Z)
• Beyond Pixels: Vector-to-Graph Transformation for Reliable Schematic Auditing [34.54168175788343]
  本稿では,CAD図をノードがコンポーネントを表現し,エッジが接続を符号化するプロパティグラフに変換するVector-to-Graph(V2G)パイプラインを提案する。 電気的コンプライアンスチェックの診断ベンチマークでは、V2Gは全てのエラーカテゴリで大きな精度向上を達成し、MLLMのリードは確率レベルに近づいたままである。
  論文  参考訳（メタデータ） (2026-02-12T07:50:49Z)
• Automating Hardware Design and Verification from Architectural Papers via a Neural-Symbolic Graph Framework [12.479447688005537]
  ArchCraftは学術論文からのアーキテクチャ記述を、レジスタ・トランスファーレベル(RTL)検証を備えた合成可能なVerilogプロジェクトに変換するフレームワークである。 ArchCraftは、認証とデバッグを容易にするためにシンボルを介して切り離されたRTLとテストベンチコードを生成する。 我々はArchCraftをArch SynthBench上で体系的に評価し,提案手法の優位性を示す実験を行った。
  論文  参考訳（メタデータ） (2025-11-08T16:36:55Z)
• Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
  我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。 条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。 各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。 実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T05:28:28Z)
• GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models [59.72897499248909]
  本稿では,Large Language Models (LLM) を用いたエンドツーエンド学習のための新しいグラフ検索手法を提案する。 抽出したサブグラフでは, 構造的知識と意味的特徴をそれぞれ軟式トークンと言語化グラフで符号化し, LLMに注入する。 提案手法は、複雑な推論タスクに対する結合グラフ-LLM最適化の強みを検証し、最先端の性能を一貫して達成する。
  論文  参考訳（メタデータ） (2025-09-20T02:38:00Z)
• Data Dependency-Aware Code Generation from Enhanced UML Sequence Diagrams [54.528185120850274]
  本稿では,API2Depという新しいステップバイステップコード生成フレームワークを提案する。 まず、サービス指向アーキテクチャに適した拡張Unified Modeling Language (UML) APIダイアグラムを紹介します。 次に、データフローの重要な役割を認識し、専用のデータ依存推論タスクを導入する。
  論文  参考訳（メタデータ） (2025-08-05T12:28:23Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• SAFT: Structure-Aware Fine-Tuning of LLMs for AMR-to-Text Generation [50.277959544420455]
  SAFTは、事前訓練された言語モデルにグラフトポロジーを注入する構造対応の微調整手法である。 変換されたAMRの磁気ラプラシアンから方向感応的な位置エンコーディングを計算する。 SAFTはAMR 3.0に新しい最先端を設定、ベースラインを3.5BLEU改善した。
  論文  参考訳（メタデータ） (2025-07-15T18:12:57Z)
• ComplexVCoder: An LLM-Driven Framework for Systematic Generation of Complex Verilog Code [11.498491832975299]
  本稿では,複雑なVerilogコードの生成品質と効率を向上させるオープンソースフレームワークであるComplexVCoderを提案する。 具体的には、中間表現を利用した2段階生成機構を導入し、より構造化された自然言語記述から複雑なVerilog設計への遷移を可能にする。 さらに、ルールベースのアライメント手法とドメイン固有検索拡張生成(RAG)を導入し、合成コードの正確性をさらに向上する。
  論文  参考訳（メタデータ） (2025-04-29T11:22:06Z)
• HiVeGen -- Hierarchical LLM-based Verilog Generation for Scalable Chip Design [24.46771930751068]
  HiVeGenは階層的なVerilog生成フレームワークで、生成タスクを階層的なサブモジュールに分解する。 自動設計空間探索(DSE)を階層対応のプロンプト生成に変換し、コードの再利用を強化するために重みに基づく検索を導入する。 エラー補正コストを低減し、生成した設計の質を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-12-06T19:37:53Z)

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。