CircuitLM：从自然语言提示生成电路原理图的多智能体 LLM 辅助设计框架

从高级自然语言描述生成准确的电路原理图仍然是电子设计中的一个持续挑战，因为大语言模型 (LLM) 经常在粒度细节上产生幻觉、违反电气约束并产生非机器可读的输出。我们提出了 CircuitLM，这是一种新颖的多代理 LLM 辅助电路设计管道，可通过五个连续阶段将用户提示转换为结构化、可视化可解释的 CircuitJSON 原理图：(i) 基于 LLM 的组件识别，(ii) 规范引脚排列检索，(iii) 电子专家代理的思想链推理，(iv) JSON 原理图合成，以及 (v) 强制导向的 SVG 可视化。以精心策划的、嵌入驱动的组件知识库为基础。虽然大语言模型经常违反电气限制，但 CircuitLM 通过在经过验证且可动态扩展的组件数据库中接地生成来弥补这一差距，该数据库最初包含 50 个组件。为了确保安全，我们采用了混合评估框架，即双度量电路验证 (DMCV)，根据人类专家评估进行验证，从而在以微控制器为中心的设计中实现高保真度。我们在 6 个大语言模型的 100 个不同嵌入式系统提示上评估了该系统，并引入 DMCV 来评估结构和电气有效性。这项工作将自然语言输入与可部署的硬件设计联系起来，使非专家能够进行可靠的电路原型设计。我们的代码和数据将在接受后公开。