論文の概要: Inspector: Conversational and Lightweight Analyzer of Analog Circuit Layouts Using LLM and CNNs
- arxiv url: http://arxiv.org/abs/2609.34976v1
- Date: Mon, 28 Sep 2026 11:54:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 18:10:08.114228
- Title: Inspector: Conversational and Lightweight Analyzer of Analog Circuit Layouts Using LLM and CNNs
- Title（参考訳）: インスペクタ:LLMとCNNを用いたアナログ回路レイアウトの会話分析と軽量化
- Abstract要約: 本稿では,微調整 LLM と CNN を組み合わせてアナログ回路の GDSII ファイルを解析するフレームワークを提案する。
4つの現実的なタスクにまたがる何千ものアナログ設計を用いた実験結果から、提案手法は最先端の汎用大規模VLMよりも大きなマージンで優れていることが示された。
- 参考スコア（独自算出の注目度）: 1.386447804095467
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The integration of artificial intelligence into computer-aided design frameworks has sparked a shift in the design of analog integrated circuits (ICs), transitioning the field from using manual and algorithmic-based solutions to adopting automated and intelligent paradigms. In this scenario, the GDSII file represents the industry-standard database containing the ultimate and most accurate source of information of the analog circuit, encapsulating the complex physical geometries and parasitic realities that define tape out performance. This paper proposes a novel framework that combines fine-tuned LLMs and CNNs to analyze GDSII files of analog circuits, enabling a conversational interface between the tool and the designers. Experimental results using thousands of analog designs across four realistic tasks demonstrate that the proposed solution outperforms state-of-the-art general-purpose massive VLMs by a significant margin (up to 81%), thus providing a lightweight solution to the problem of GDSII analysis.
- Abstract（参考訳）: 人工知能をコンピュータ支援設計フレームワークに統合することで、アナログ集積回路(IC)の設計が変化し、手動およびアルゴリズムベースのソリューションから、自動化およびインテリジェントなパラダイムの採用へと移行した。
このシナリオでは、GDSIIファイルは、アナログ回路の究極の、最も正確な情報のソースを含む業界標準データベースを表し、テープアウト性能を定義する複雑な物理幾何学と寄生現実をカプセル化する。
本稿では,微調整 LLM と CNN を組み合わせてアナログ回路の GDSII ファイルを解析し,ツールとデザイナ間の対話インタフェースを実現するフレームワークを提案する。
4つの現実的なタスクにまたがる何千ものアナログ設計を用いた実験結果から、提案手法は最先端の汎用VLMよりも高いマージン(最大81%)を示し、GDSII解析の課題に対する軽量な解を提供する。
関連論文リスト
- THEIA: A Multimodal Dataset and Benchmark for Vision-Language Analysis of Layout [1.4874449172133888]
本稿では,質問応答と組み合わせた数千のレイアウト画像を含む新しいデータセットであるTheeIAを提案する。
アナログ回路のGDSIIファイルを解析するために、微調整視覚言語モデル(VLM)を用いたベンチマークを示す。
論文 参考訳（メタデータ） (2026-09-28T12:32:42Z) - OSIRIS: Bridging Analog Circuit Design and Machine Learning with Scalable Dataset Generation [1.6249267147413524]
アナログIC設計のためのデータセット生成パイプラインOSIRISを提案する。
OSIRISは、包括的なパフォーマンスメトリクスとメタデータを生成する。
我々はOSIRISで生成された87,100の回路変動からなるデータセットをリリースする。
論文 参考訳（メタデータ） (2026-01-27T10:18:46Z) - 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) - A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - CROP: Circuit Retrieval and Optimization with Parameter Guidance using LLMs [5.611060564629618]
本稿では,最初の大規模言語モデル(LLM)を用いた自動VLSI設計フローチューニングフレームワークであるCROPを提案する。
提案手法は,(1)RTLソースコードを高密度ベクトル表現に変換するスケーラブルな手法,(2)意味的に類似した回路と設計をマッチングする埋め込み型検索システム,(3)検索強化型LLM誘導パラメータ探索システムを含む。
実験の結果、CROPのQoR(Quality-of-Results)の能力は、工業設計における既存のアプローチよりも少ないイテレーションで達成され、消費電力は9.9%削減された。
論文 参考訳（メタデータ） (2025-07-02T20:25:47Z) - 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)
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。