論文の概要: AnalogRetriever: Learning Cross-Modal Representations for Analog Circuit Retrieval

• arxiv url: http://arxiv.org/abs/2604.23195v1
• Date: Sat, 25 Apr 2026 08:01:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.20385
• Title: AnalogRetriever: Learning Cross-Modal Representations for Analog Circuit Retrieval
• Title（参考訳）: Analog Retriever: アナログ回路検索のためのクロスモーダル表現学習
• Authors: Yihan Wang, Lei Li, Yao Lai, Jing Wang, Yan Lu,
• Abstract要約: 本稿ではアナログ回路探索のための統合三モーダル検索フレームワークであるAnalogRetrieverを提案する。 AnalogRetrieverは、視覚言語モデルとポート対応リレーショナルグラフ畳み込みネットワークを備えたネットリストで、スキーマと記述をエンコードする。 実験の結果、AnalogRetrieverは6つのクロスモーダル検索方向で平均75.2%のRecall@1を達成することがわかった。
• 参考スコア（独自算出の注目度）: 35.748356328914234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Analog circuit design relies heavily on reusing existing intellectual property (IP), yet searching across heterogeneous representations such as SPICE netlists, schematics, and functional descriptions remains challenging. Existing methods are largely limited to exact matching within a single modality, failing to capture cross-modal semantic relationships. To bridge this gap, we present AnalogRetriever, a unified tri-modal retrieval framework for analog circuit search. We first build a high-quality dataset on top of Masala-CHAI through a two-stage repair pipeline that raises the netlist compile rate from 22\% to 100\%. Built on this foundation, AnalogRetriever encodes schematics and descriptions with a vision-language model and netlists with a port-aware relational graph convolutional network, mapping all three modalities into a shared embedding space via curriculum contrastive learning. Experiments show that AnalogRetriever achieves an average Recall@1 of 75.2\% across all six cross-modal retrieval directions, significantly outperforming existing baselines. When integrated into the AnalogCoder agentic framework as a retrieval-augmented generation module, it consistently improves functional pass rates and enables previously unsolved tasks to be completed. Our code and dataset will be released.
• Abstract（参考訳）: アナログ回路の設計は既存の知的財産権(IP)の再利用に大きく依存しているが、SPICEネットリスト、スキーマ、機能記述などの異種表現を探索することは依然として困難である。 既存の手法は、単一のモダリティ内での正確なマッチングに大きく制限されており、クロスモーダルなセマンティックな関係を捉えていない。 このギャップを埋めるために、アナログ回路探索のための統合された三モーダル検索フレームワークであるAnalogRetrieverを提案する。 まず、Masala-CHAI上に2段階の修復パイプラインを通じて高品質なデータセットを構築し、ネットリストのコンパイルレートを22\%から100\%に引き上げます。 この基盤の上に構築されたAnalogRetrieverは、図式と記述を視覚言語モデルでエンコードし、ポート対応リレーショナルグラフ畳み込みネットワークでネットリストを作成し、カリキュラムのコントラスト学習を通じて3つのモダリティを共有埋め込み空間にマッピングする。 実験の結果、AnalogRetrieverは6つのクロスモーダル検索方向すべてで平均75.2\%のRecall@1を達成し、既存のベースラインを大幅に上回っていることがわかった。 AnalogCoderのエージェントフレームワークに検索拡張生成モジュールとして統合されると、関数パス率を一貫して改善し、未解決のタスクを完了させることができる。 コードとデータセットはリリースされます。

関連論文リスト

• Unifying Logical and Physical Layout Representations via Heterogeneous Graphs for Circuit Congestion Prediction [3.6554546992139385]
  回路成分と空間格子を単一のリレーショナル表現に統一する拡張ヘテロジニアスグラフ上に構築された検証フレームワークを提案する。 ISPD2015、CircuitNetN14、CircuitNet-N28といった産業ベンチマークの実験では、予測精度と相関指標における最先端手法に対する一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-03-10T20:39:48Z)
• Cross-modal Retrieval Models for Stripped Binary Analysis [62.89251403093734]
  BinSeekは、取り除かれたバイナリコード分析のための最初の2段階のクロスモーダル検索フレームワークである。 BinSeekEmbeddingは、バイナリコードのセマンティックな関連性を学ぶために、大規模なデータセットでトレーニングされている。 BinSeek-Rerankerは、コンテキスト拡張による記述に対する候補コードの関連性を慎重に判断することを学ぶ。
  論文  参考訳（メタデータ） (2025-12-11T07:58:10Z)
• A2R: An Asymmetric Two-Stage Reasoning Framework for Parallel Reasoning [57.727084580884075]
  モデルポテンシャルと実際の性能の間のギャップを埋めるために設計された非対称な2段階推論フレームワーク。 A2R-Efficientは、Qwen3-4BとQwen3-8Bシンセサイザーを組み合わせた「小型から大型」の派生型である。 その結果、A2Rはパフォーマンス・ブートスティングのフレームワークであるだけでなく、現実世界のアプリケーションに対して効率的かつ実用的なソリューションであることがわかった。
  論文  参考訳（メタデータ） (2025-09-26T08:27:03Z)
• Datarus-R1: An Adaptive Multi-Step Reasoning LLM for Automated Data Analysis [0.0]
  本稿では,Qwen 2.5-14B-Instructの言語モデルであるDatarus-R1-14Bを提案する。 Datarusは、独立した問合せペアではなく、推論ステップ、コード実行、エラートレース、自己補正、最終的な結論を含む完全な分析トラジェクトリに基づいて訓練されている。
  論文  参考訳（メタデータ） (2025-08-18T21:58:18Z)
• Any2Any: Incomplete Multimodal Retrieval with Conformal Prediction [17.607392214470295]
  我々はAny2Anyという新しい検索フレームワークを提案し、クエリと参照の両方が不完全なモダリティを持つシナリオに対処する。 クロスモーダルエンコーダとのペアワイズ類似度を計算し、同型予測を伴う2段階キャリブレーションプロセスを用いて類似度を整列する。 KITTIデータセットで35%のRecall@5を達成する。
  論文  参考訳（メタデータ） (2024-11-15T17:44:27Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• Towards Bi-directional Skip Connections in Encoder-Decoder Architectures and Beyond [95.46272735589648]
  本稿では,デコードされた機能をエンコーダに戻すための後方スキップ接続を提案する。 我々の設計は、任意のエンコーダ・デコーダアーキテクチャにおいて前方スキップ接続と共同で適用することができる。 本稿では,2相ニューラルネットワーク探索(NAS)アルゴリズム,すなわちBiX-NASを提案する。
  論文  参考訳（メタデータ） (2022-03-11T01:38:52Z)
• Modal-Adaptive Gated Recoding Network for RGB-D Salient Object Detection [2.9153096940947796]
  本稿では,2つのモードの情報の有効性を評価するために,GRNet(GRNet)を提案する。 知覚エンコーダを用いてマルチレベル単一モード特徴を抽出する。 無効な情報を抑制し、有効なモーダル特徴を復号ミキサとハイブリッド分岐復号器に転送するために、モーダル適応ゲートユニットを提案する。
  論文  参考訳（メタデータ） (2021-08-13T15:08:21Z)

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。