AgenticSizing：基于LLM的多Agent模拟电路尺寸设计框架

由于设计空间庞大、性能权衡强烈以及先进工艺下电路复杂度不断上升，模拟电路尺寸设计仍然是一项具有挑战性且耗时的工作。尽管近期基于大语言模型（LLM）的方法在提升样本效率和可解释性方面展现出前景，但现有方法往往缺乏对电路拓扑的显式理解，且主要在相对简单的模拟基本模块上评估。本文提出一个面向复杂模拟电路尺寸设计的多Agent LLM框架。该框架首先分析电路拓扑，将网表分解为功能块与子结构，并提取轻量级设计知识以供复用。基于提取的拓扑与知识，规划器协调多个角色专门化的尺寸设计Agent来更新设计变量并达成全局性能指标。这一流程模仿了专家模拟设计团队的协作过程，提供了结构化、可解释、仿真驱动的优化流程。该框架在八个电路上得到验证，最大的设计包含多达55个晶体管和60个尺寸变量。值得注意的是，在LDO基准上，经典优化器无法找到可行解，而所提方法以平均83次迭代取得60%的成功率。消融实验进一步表明，拓扑理解、设计知识注入与Agent专门化提供了互补收益。源代码已开源以支持可复现性。