研究人员开发了两个新颖的、由人工智能驱动的自动化模拟和混合信号（AMS）电路设计框架。AutoSizer 利用一种反射式、由LLM驱动的元优化方法，统一了电路理解、自适应搜索空间构建和优化编排，在一个新基准上表现优于传统方法和现有的LLM代理。CktGen 采用一种基于规范的生成式AI模型，特别是变分自编码器，直接根据目标规范生成模拟电路，与最先进的技术相比有了显著的改进。 AI
影响 这些人工智能驱动的电路设计进展可以显著加速复杂模拟和混合信号集成电路的开发，减少对专家知识的依赖并提高效率。
排序理由 两篇研究论文介绍了新颖的人工智能模拟电路设计框架，详细介绍了新方法和基准。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2602.02849v2 Announce Type: replace Abstract: The design of Analog and Mixed-Signal (AMS) integrated circuits remains heavily reliant on expert knowledge, with transistor sizing a major bottleneck due to nonlinear behavior, high-dimensional design spaces, and strict perform…
arXiv:2410.00995v3 Announce Type: replace Abstract: The automatic synthesis of analog circuits presents significant challenges. Most existing approaches formulate the problem as a single-objective optimization task, overlooking that design specifications for a given circuit type …