arXiv cs.AI· Yichen Long, Keren Zhu·· 12 小时前AI 评分31
AnalogScout：用 LLM 智能体实现仿真高效的 PVT 感知模拟电路尺寸设计
AnalogScout: Simulation-Efficient PVT-Aware Analog Sizing with LLM Agents
AI 导读
AnalogScout 是一个由 LLM 智能体驱动的 PVT 感知模拟电路尺寸设计框架，结合精英设计复用、解析 gm/Id 局部尺寸与全角验证下的全局精修。在三个复杂度递增的 SKY130 OTA 上、同等 16k 次仿真预算下，其功耗比 CMA-ES 低 43.3%，并仅用 7.0% 的预算即达到 CMA-ES 最终功耗。
正文 · AI 翻译
摘要：模拟器件尺寸设计必须在工艺、电压和温度（PVT）角下满足所有规格，以确保流片成功，但在所有角下仿真每个候选方案会占据尺寸设计时间的大部分，并拖慢设计迭代。传统的基于代理模型的优化器直接搜索尺寸设计空间，而近期的大语言模型（LLM）智能体为设计加入电路知识，但仍将尺寸交由全局优化器决定。两者都通过反复的多角 SPICE 仿真学习电路响应，并在此基础上进行优化，这在有限的仿真预算下变得昂贵。为智能体提供可复用的已验证设计和子模块的解析尺寸设计，可以节省大部分预算。我们提出 AnalogScout，一个由 LLM 智能体驱动的仿真高效、PVT 感知的尺寸设计框架。结合精英设计复用、解析 gm/Id 局部尺寸设计和全角验证下的全局精化，AnalogScout 在三个复杂度递增的 SKY130 OTA 上，在 16k 次仿真的同等预算下，相比进化策略 CMA-ES 将功耗降低 43.3%，并在该预算的 7.0% 后达到 CMA-ES 的最终功耗。它在所有三个 OTA 上还实现了比贝叶斯优化更低的功耗，并在测试过的两个 OTA 上比两个重新实现的 LLM 驱动流程功耗更低。
| 注释： | 5 页，5 幅图，1 张表。提交至 IEEE ISCAS 2027 |
| 主题： | 硬件架构（cs.AR）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.37319 [cs.AR] |
| （或 arXiv:2610.37319v1 [cs.AR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37319 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yichen Long [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 14:33:02 UTC（119 KB）
来源：arXiv cs.AI · arxiv.org