科学家提出基于大模型的自动化方法,助力解决应用中拓扑合成问题

B站影视 2025-01-25 21:36 3

摘要:在此背景下,不断拓展大语言模型的应用边界,探索它在更多实际场景下的应用潜力,成为相关领域的研究者正在聚焦的一项重要任务。

信息检索、音乐创作、文案写作、图片生成……以 ChatGPT 为代表的大语言模型自诞生以来便引发全球关注。

在此背景下,不断拓展大语言模型的应用边界,探索它在更多实际场景下的应用潜力,成为相关领域的研究者正在聚焦的一项重要任务。

近期,来自北京大学和微软亚洲研究院的团队,合作提出了一款基于大语言模型的自动化方法 AnalogXpert,能够将电路设计专业知识融入到大语言模型中,为实际应用中的拓扑合成问题提供了一种有效的解决方案。

近日,相关论文以《AnalogXpert:通过将电路设计专业知识融入大型语言模型来实现模拟拓扑合成的自动化》(AnalogXpert: Automating Analog Topology Synthesis by Incorporating Circuit Design Expertise into Large Language Models)为题在预印本平台 arXiv 上发表 [1]。

图丨相关论文(来源:arXiv)

在现代电子系统中,模拟电路扮演着至关重要的角色,它们能够处理连续信号,进而在日常生活中的各种设备里实现多样化任务。

在进行模拟电路设计时,通常需要经历拓扑合成、电路尺寸设计和布局合成三个阶段。

其中,考虑到模拟拓扑合成的重要性,有越来越多的研究开始利用大语言模型来实现它的自动化设计。

然而,这些研究关注的场景,与实际应用之间的契合度并不高。后者作为一个复杂的过程,需要广泛的电路设计经验和特定领域的知识。

AnalogXpert 的提出,正是为了解决上述问题,从而更好地实现自动化的电路设计。

在研究过程中,该课题组首先建模了一个大语言模型本身较为熟悉的任务,即程序生成。它的输入是一段文本的描述,输出是一段程序。

对此,孙诗昭解释道:“由于大语言模型在训练的过程中,见过很多类似任务,因此它拥有这方面的基本能力。”

然而,人类设计电路的过程,并不仅仅是程序生成的过程,还涉及更为复杂的层面,所以研究人员进一步总结了人类在设计电路时关注的要点,并将其融入 AnalogXpert 中。

具体来说:

首先,通过提出子电路库来缩小设计空间,并提高生成的成功率。

AnalogXpert 基于定制的文本格式子电路库,可以从子电路层面生成最终拓扑,这在符合人类设计习惯的同时,也能帮助减少模型输出的长度。

其次,遵循人类在实际设计场景中的习惯,将电路设计任务分解为模块选择和模块连接,使得设计更具逻辑性且便于检查错误。

再次,在完成电路设计后,模拟电路设计者通常需要检查模块类型和连接关系,这能显著提高模拟拓扑生成的准确性。

所以,AnalogXpert 也引入了一种基于人类经验的校验策略,用于检查生成的模拟拓扑,并将修订信息反馈给大语言模型,让后者进行迭代优化。

图丨基于人类经验的校验策略将经验规则编码在一个外部检查器中(来源:arXiv)

“也就是说,我们会把类似于‘一个电路中,器件 A 和器件 B 无法同时出现’这样的常识,写成一个可以自动运行的校验程序,让这个程序对大语言模型生成过程中存在的问题进行检查,并将出现的错误进行反馈,以便大语言模型做进一步修改。”孙诗昭表示。

显然,提出 AnalogXpert 的目的,是为了解决实际应用中的问题。从应用的角度出发,该成果有望在以下几方面发挥应用潜力:

其一,作为电子设计自动化工具里的一个模块,帮助设计流程实现自动化。

其二,推动解决电路设计中的电路迁移问题。

其三,有望生成更多人类还未创造出的新型电路架构。

而在当前研究的基础上,该团队还提出了几个后续计划。

首先,需要说明的是,好的电路都拥有昂贵的版权,相关数据很难被公开,需要通过一些私有化的解决方案,基于版权方的数据,为他们开发一个适合自身场景的模型。

所以,该团队接下来希望对一些模型进行私有化工作,以保证版权和数据不会泄漏给外部的大语言模型。

其次,他们计划将拓扑结构的生成和尺寸确定放在同一个框架中考虑,以实现对整个电路的完善,并增强电路性能。

最后,研究人员还打算尝试接触电路设计的其他环节,例如大规模复杂电路的布局生成。

参考资料:

1.Zhang H, Sun S, Lin Y, et al. AnalogXpert: Automating Analog Topology Synthesis by Incorporating Circuit Design Expertise into Large Language Models.arXiv:2412.19824,2024.https://doi.org/10.48550/arXiv.2412.19824

运营/排版:何晨龙

来源:DeepTech深科技

相关推荐