一种基于大语言模型的模拟电路自动设计方法

摘要: 本发明属集成电路设计,涉及一种面向模拟集成电路的自动化设计方法,具体涉及一种基于大语言模型的模拟电路自动设计方法,尤其是一种结合大语言模型(largelangu...
一种基于大语言模型的模拟电路自动设计方法

本发明属集成电路设计,涉及一种面向模拟集成电路的自动化设计方法,具体涉及一种基于大语言模型的模拟电路自动设计方法,尤其是一种结合大语言模型(large language models,llms)、知识库构建与多轮问答机制的模拟电路结构与参数联合生成方法。本方法可应用于包括比较器、振荡器等常见模拟子模块在内的结构设计与性能优化任务,具有较强的适应性与通用性,适用于提升模拟电路设计效率、降低设计门槛的自动化设计场景。

背景技术:

1、现有技术公开了模拟电路在现代电子系统中承担着信号调理、数据转换、电源管理等关键任务,其设计过程通常涉及复杂的结构组合、精细的参数调节以及大量的仿真验证,依赖工程经验和专业知识,设计周期长、自动化程度低。为提升模拟电路设计效率,学术界和工业界提出了多种自动化方法,目前主要可分为以下三类:

2、1.基于电路结构库的选择方法

3、该类方法通过构建预定义的电路结构库,在设计任务中通过检索、匹配与评估,从中选取满足设计目标的拓扑结构。典型代表包括idac[1]、opasyn[2]等。这类方法工程实用性强,但依赖结构库的完整性和覆盖度,难以生成新颖结构。

4、2.基于黑盒优化的参数调整方法

5、在结构已定的前提下,通过遗传算法、模拟退火、粒子群优化等启发式手段对器件参数进行调优。近年来,贝叶斯优化(bo)方法被广泛采用,例如liu等提出的多保真bo框架可有效减少仿真次数[8]。但此类方法优化时间长,且无法生成结构。

6、3.基于参数化模板的自动生成方法

7、如bag(berkeleyanalog generator)[3]使用脚本模板生成预定义结构与版图,适用于结构标准、迁移需求强的场景,但其重构能力有限,缺乏结构创造性。

8、近年来,随着人工智能的发展,特别是大语言模型在自然语言理解与生成、代码推理、任务规划等方面的能力不断增强。从bert[4]到gpt[5]系列,模型的参数规模从数百万迅速扩展到数十亿乃至上千亿,显示出令人难以置信的语言处理能力。这种规模的增长带来了显著的性能提升,使得模型在理解语境、把握语言细微差异方面表现得更加精准。同时,大语言模型的应用范围也在持续扩大,从简单的问答系统到复杂的文本分析和内容创作,皆能见到其身影。卓越的多语言处理能力使其在全球范围内得到广泛应用,极大促进了跨文化交流和信息共享。

9、此外,这些模型在持续学习和自我优化方面也显示出惊人的潜力,能够不断从海量数据中学习,适应不断变化的应用需求。正因为如此,大语言模型不仅支撑了科技的进步,也在教育、医疗、金融等多个行业中发挥着越来越重要的作用,其未来的发展前景无疑充满了无限可能。

10、大语言模型能够在各种任务中表现卓越,这些任务包括自然语言处理、内容创建、信息检索和代码生成,从侧面揭示了大语言模型具有理解和实现自动化电路设计过程的潜力。

11、对于数字电路,目前已经有若干研究探索基于大语言模型实现其自动设计。blocklove等[6]与一个llm进行交互,成功让它设计出一个基于8位累加器的微处理器。shaijla等[7]专门针对verilog代码开发了一个训练语料库,用于训练五个不同的微调llms。zhoulun he等[8]开发了chateda,一个基于llms的智能体,旨在使用自然语言促进eda(electronic design automation,电子设计自动化)工具转型,为传统的tcl(toolcommand language,工具命令语言)脚本提供了替代方案。该智能体支持从rtl(registertransfer level,寄存器传输级)代码到gdsii(graphic design system)的一系列操作,包括自动化任务规划、脚本生成和任务执行。nvidia[9]预训练和微调了一个拥有领域自适应能力的llm——chipnemo,已表现出能够较好地理解数字电路和设计能力。

12、虽然llms在数字电路设计方面取得了成功,但在模拟电路方面的探索局限在设计运算放大器。chen等提出了artisan,用以进行三级运算放大器的自动化设计,这是llms在模拟电路设计领域的一大跨步。其具体工作与贡献如下:

13、1.artisan提供了一个基于特定领域知识的运放前端设计工作流程。

14、2.引入了双向的电路表示法,使artisan-llm能够将运放的拓扑结构与自然语言语义相对齐,实现运放结构与训练语料库中的功能描述自动匹配。

15、3.将设计过程建模为基于思维树的决策过程和基于思维链的设计流程,并提出了一个多智能体(multi-agent)问答框架,将分层的、系统化的设计过程分解为可学习的步骤。

16、4.制作了一个高质量的数据集,包含领域特定的语料、编码的专业知识,并利用数据增强技术进行了扩充。通过在该数据集上训练artisan-llm,所提出的artisan框架能够成功实现自动化的运放设计。

17、使用llms来实现模拟电路的自动化设计所取得的成果是屈指可数的,可能是因为相比与数字电路,llms面临着如下挑战:

18、1.模拟电路设计不仅需要深厚的专业知识,包括电路理论、半导体物理等,在拓扑结构的选择、参数的计算和功能的验证等方面还需要扎实的数学推导和丰富的工程经验,这对llms来说是一个不小的考验。

19、2.模拟电路结构以拓扑图的形式、用图来表示,自然语言语义和拓扑图表示之间的明显差距,使得llms在将拓扑结构的功能连接起来方面具有挑战,这迫使其进行电路语义建模和优化。

20、3.有效训练llms需要大量高质量的设计数据,但这些数据可能难以获取,尤其是对于需要严格保密的商业项目。

21、4.训练llms需要确保模型具备足够的泛化能力,能够应对多样化的设计问题。然而,过度依赖特定数据集可能会导致模型泛化能力不足。此外,llms的训练涉及大量超参数,找到最优的参数配置需要大量的实验时间。

22、基于现有技术的现状,本技术拟提供一种基于大语言模型与结构化电路知识库协同的模拟电路自动设计方法。该方法通过自然语言性能输入,结合任务提示链与语义建模,引导语言模型逐步生成电路结构与参数,并在设计过程中嵌入仿真反馈,形成自动迭代优化机制。系统能够完成从需求表达到网表生成的闭环设计流程。本方法可应用于包括比较器、振荡器等常见模拟子模块在内的结构设计与性能优化任务,具有较强的适应性与通用性,适用于提升模拟电路设计效率、降低设计门槛的自动化设计场景。

23、与本发明相关的参考文献有:

24、[1].degrauwe m g,nys o,dijkstra e,et al.idac:an interactive designtoolfor analog cmos circuits[j].ieee journal ofsolid-state circuits,1987,22(6):1106-1116.

25、[2].koh h y,sequin c h,gray p r.opasyn:a compiler for cmosoperationalamplifiers[j].ieee transactions on computer-aided designofintegrated circuits and systems,1990,9(2):113-125.

26、[3].chang e,han j,bae w,et al.bag2:a process-portable framework for

27、generator-based ams circuit design[c]//2018ieee custom integratedcircuits conference(cicc).ieee,2018:1-8.

28、[4].devlin j,chang m w,lee k,et al.bert:pre-training ofdeepbidirectional transformers for language understanding[a].2018.

29、[5].brown t,mann b,ryder n,et al.language models are few-shotlearners[j].advances in neural information processing systems,2020,33:1877-1901.

30、[6].blocklove j,garg s,karri r,et al.chip-chat:challenges andopportunities in conversational hardware design[c]//2023acm/ieee 5th workshopon machine learning for cad(mlcad).ieee,2023:1-6.

31、[7].thakur s,ahmad b,fan z,et al.benchmarking large language modelsforautomated verilog rtl code generation[c]//2023 design,automation&testineurope conference&exhibition(date).ieee,2023:1-6.

32、[8].wu h,he z,zhang x,et al.chateda:a large language model powered

33、autonomous agent for eda[j].ieee transactions on computer-aideddesign of integrated circuits and systems,2024.

34、[9].liu m,ene t d,kirby r,et al.chipnemo:domain-adapted llms forchipdesign[a].2023.

技术实现思路

1、本发明的目的在于基于现有技术的现状,提供一种基于大语言模型与结构化电路知识库协同的模拟电路自动设计方法。

2、本发明提出了一种基于大语言模型的模拟电路自动设计方法,构建了一个完整的自动化设计系统框架,称为autoner。该方法融合结构语义建模、电路知识库、自然语言任务驱动与多轮问答机制,能够自动完成从性能目标输入到电路结构与参数生成的全过程设计任务。在本发明中,首先由用户以自然语言形式输入目标电路的性能需求,如失调电压、功耗、频率等关键指标。系统通过提示模板将性能描述转化为结构设计线索,并结合已有模板或设计经验构建带有语义注释的电路结构表示。随后,本发明构建电路设计知识库,涵盖电路拓扑特征、参数计算公式、常用结构设计规范等内容,为后续大语言模型设计过程提供语义与知识支撑。设计执行阶段采用autoner框架的核心机制:采用基于cot的方法将设计任务拆解为多个可处理子任务,由提问智能体(autoner-prompter,基于gpt-4)根据设计逻辑逐步提出结构选型、参数估算等问题,并由应答智能体(autoner-llm,基于模拟电路设计领域)结合上下文与知识库进行回答,完成结构与参数的生成过程。本发明进一步引入性能仿真与验证机制,将生成电路通过仿真工具进行dc、ac或瞬态分析,与性能目标对比判断其是否满足设计要求。若不满足,则根据仿真反馈更新问题提示与设计策略,重新进入问答与仿真循环,直至满足指标或达到最大迭代次数。本发明方法具有良好的可扩展性和稳定性,适用于比较器、振荡器等多种典型模拟电路设计任务。完整的算法设计与执行流程见图1所示的autoner整体工作流程图。

3、具体而言,本发明包含如下步骤,

4、输入参数:

5、1.模拟电路设计需求:用户以自然语言形式输入的目标电路类型(如比较器、振荡器等)及其性能要求,包括但不限于输入失调电压、功耗、频率、增益等关键指标;

6、2.预设电路结构网表(可选):用于结构注释的初始电路网表信息,或作为结构生成参考的已有电路拓扑;

7、3.电路设计知识库:包含电路原理、器件参数经验值、设计公式、结构模板等信息的知识文件,供大语言模型设计过程中调用;

8、4.语言模型接口配置:指示所使用的大语言模型类型(如gpt系列)、访问方式(本地或远程api)、提示结构等信息;

9、5.仿真环境参数:包括电路仿真工具(如spectre)配置文件、pdk工艺文件路径、仿真精度设置等。

10、输出结果:

11、本发明最终输出为:

12、1.模拟电路网表:系统通过语言模型生成并拼装完整电路结构,输出为可用于电路仿真的spice网表;

13、2.器件设计参数:包括晶体管的宽度/长度(w/l)、偏置电流源的电流大小、负载电阻或电容值等关键参数;

14、3.性能仿真结果:基于仿真工具(如spectre)对生成电路结构进行性能验证,输出包括输入失调电压、功耗、电压摆幅、振荡频率等;

15、4.设计过程记录:包含语言模型在每轮任务中生成的结构建议、参数推荐、提示内容及模型响应;

16、5.多轮设计版本信息:每轮设计的输出与对应仿真结果,便于比对与性能收敛判断。

17、步骤1:自然语言性能目标输入

18、用户通过自然语言描述形式输入电路设计任务及其性能需求。例如:“设计一个失调电压小于3mv,功耗小于200μw,具有轨到轨输出特性的比较器。”系统将该自然语言需求解析为可识别的性能约束集合,并初步判断电路类型及设计目标,作为后续结构与参数设计的目标。

19、步骤2:电路结构语义构建

20、用户可选择提供参考电路的原始结构(如spice网表),系统会将其转换为自然语言格式的电路结构描述。

21、结构注释包括每个器件的类型、连接关系、功能作用。例如:“m1和m2为输入对管,采用nmos型;m3为尾管,连接电流源形成恒流偏置;m4、m5为有源负载。”该结构表示将作为后续语言模型进行结构推理与修改的上下文输入。

22、步骤3:加载电路设计知识库

23、系统加载与当前电路相关的结构化知识文档,作为语言模型推理的辅助支持。知识库内容包括:

24、1)常见结构介绍(如反相器、差分对、镜像电流源);

25、2)设计公式(如失调电压估算、电流计算、电阻值推导);

26、3)参数经验范围(如pmos最小w/l取值建议);

27、4)多级结构组合。

28、步骤4:构建设计任务链与提示工程

29、根据目标电路类型(如比较器、振荡器),将整个设计任务拆分为多个可执行的子任务。例如:

30、1)结构层级确定(是否有前级预放大?);

31、2)各模块器件选择(对管尺寸?尾电流大小?);

32、3)结构连接逻辑检查;

33、4)偏置点设定;

34、5)总功耗是否满足目标?……

35、每个子任务通过构造自然语言提示(prompt)来引导语言模型逐步输出所需设计内容。

36、步骤5:语言模型交互生成设计

37、提问智能体(prompter)根据预设流程向语言模型发起问题,例如:

38、1)“请给出输入对管m1、m2的尺寸建议,要求失调电压小于3mv”;

39、2)“当前结构功耗超出上限,如何优化?”

40、大语言模型根据上下文、历史对话与知识库信息输出结构调整建议或参数推荐值,如:

41、1)“建议w/l设置为20/0.18,偏置电流为20μa”;

42、2)“可将尾管电流源减小至15μa,并替换负载为电阻分压型结构”。

43、系统记录模型输出并将其解析为电路结构与参数配置指令。

44、步骤6:结构拼装与网表生成

45、系统将语言模型生成的结构建议与器件参数信息进行合并,逐步拼装为完整电路拓扑,并输出为标准spice格式的电路网表。

46、结构拼装模块负责将各级模块之间的连接关系整理并统一编号,替换提示结果中的器件尺寸、偏置电流、电阻电容等参数值,形成仿真器可识别的电路描述文件。最终生成的电路网表支持调用仿真工具(如spectre)进行性能分析,构成完整的结构生成与验证闭环。

47、步骤7:性能仿真与评估

48、在生成完整电路网表后,系统将其输入至电路仿真器(如spectre)进行性能分析。仿真类型可根据电路类型自动设置为dc、ac、transient等常用模式,仿真器返回的关键性能指标包括但不限于:输入失调电压(vos),功耗(power),输出摆幅、电压极值、稳定性等。系统会将仿真结果与用户输入的目标性能指标进行对比,作为下一轮设计是否需要调整的依据。

49、步骤8:反馈驱动的迭代优化

50、若仿真结果未满足性能要求,系统将根据偏差结果分析生成新的设计提示,引导语言模型对电路结构或参数进行修正。

51、该过程通过更新提示词内容或调整设计条件,使语言模型重新输出修改后的器件尺寸、电路结构或偏置方式。系统将新的设计结果再次输入至结构拼装模块和仿真模块,形成“设计—仿真—反馈”闭环。设计流程将在满足性能目标或达到预设最大迭代次数后终止,输出最终设计结果。

52、本发明提供了一种基于大语言模型与结构化电路知识库协同的模拟电路自动设计方法。该方法通过自然语言性能输入,结合任务提示链与语义建模,引导语言模型逐步生成电路结构与参数,并在设计过程中嵌入仿真反馈,形成自动迭代优化机制。系统能够完成从需求表达到网表生成的闭环设计流程。

53、本发明具有以下优点:

54、1.自然语言驱动设计,降低使用门槛

55、用户通过自然语言表述电路设计目标,系统可自动识别任务类型与性能要求,无需掌握专业指令或预定义模板,显著提升设计可达性。

56、2.结构与参数一体生成,实现完整自动化流程

57、相较于传统方法仅优化参数或基于已有结构调整,本发明支持结构拓扑与器件参数协同生成,覆盖模拟设计的核心阶段。

58、3.引入电路知识库,提升模型输出准确性与可控性

59、结合结构化电路知识与提示工程,引导语言模型输出更具物理合理性与设计规范性的结构建议,减小模型幻觉带来的错误设计。

60、4.支持仿真反馈闭环优化,提高设计达标率

61、设计结果经由电路仿真工具评估,若未满足性能要求,系统可基于仿真结果自动生成优化提示,进一步驱动语言模型迭代更新。

62、5.适用多类模拟电路任务,具备良好通用性与扩展性

63、本发明方法已在比较器与振荡器设计任务中验证有效,适用于结构可变性大、参数耦合复杂的模拟电路,具备推广到更多电路类型的能力。

64、说明书附图

65、图1本发明autoner整体工作流程图。

66、图2 strongarm latch比较器电路图。

67、图3 autoner设计以strongarm latch为核心的比较器记录。

68、图4 gpt-4设计以strongarm latch为核心的比较器记录。