研究人员开发了 LLM-SPICEMixer，一个增强模拟电路设计遗传算法的新框架。这种混合方法集成了基于 LLM 的算子 IGEL，用于生成新的电路网表提案，然后使用 SPICE 模拟进行评估。LLM 提供结构化拓扑思路，而 SPICE 作为性能的最终仲裁者。在 Iris 分类测试中，与没有 LLM 指导的遗传框架相比，LLM-SPICEMixer 在中位数训练奖励方面提高了 8.4%，在中位数验证奖励方面提高了 8.8%。 AI
影响 这项研究展示了 LLM 在优化复杂设计流程中的新应用，有望加速模拟电路的开发。
排序理由 该集群描述了一篇关于使用 LLM 和遗传算法进行模拟电路综合的新颖框架的最新研究论文。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Analog circuit topology synthesis remains challenging because useful designs occupy a tiny fraction of a combinatorial search space, and small structural changes can induce highly nonlinear changes in behavior. Evolutionary algorithms are attractive because they can optimize over…
Analog circuit topology synthesis remains challenging because useful designs occupy a tiny fraction of a combinatorial search space, and small structural changes can induce highly nonlinear changes in behavior. Evolutionary algorithms are attractive because they can optimize over…