LLM 框架优化前缀加法器设计，减小电路面积

研究人员开发了 PrefixAgent，一个利用大型语言模型 (LLM) 优化前缀加法器设计的新颖框架。前缀加法器是算术电路中的关键组件。这种 LLM 驱动的方法将优化分解为骨干合成和结构精炼，利用函数调用与工具和 EDA 反馈进行交互。该框架在从 e-graphs 中提取的大量重写轨迹数据集上进行训练，增强了其优化能力和泛化能力。实验表明，与现有方法相比，PrefixAgent 生成的前缀加法器具有更小的面积，尤其是在较大的位宽下，并且在商业 EDA 流中表现有效。 AI

影响 该框架可能通过利用 LLM 来加速复杂数字电路的设计和优化，从而可能带来更高效的硬件。

排序理由 该集群包含一篇详细介绍使用 LLM 进行电路优化新颖框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Dongsheng Zuo
• EDA
• e-graphs
• Hugging Face
• LLM
• Prefix adders
• PrefixAgent

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →