通过仿人推理进行白盒运算放大器设计

本简报提出了 \emph{White-Op}，一种基于大语言模型代理的仿人推理的可解释运算放大器 (op-amp) 参数设计框架。我们将隐式人类推理机制形式化为\emph{\textbf{引入假设约束}}的显式步骤，并开发了一个迭代的、类似人类的\emph{\textbf{假设-验证-决策}}工作流程。具体来说，引导智能体引入假设约束来导出并正确调节符号上可处理的极点和零点的位置，从而制定封闭式数学优化问题，然后以编程方式解决该问题并通过仿真进行验证。理论模拟结果分析指导决策细化。对 9 种运算放大器拓扑进行的实验表明，与最终在 5 种拓扑中失败的无法解释的黑盒基线不同，White-Op 实现了可靠、可解释的行为级设计，理论预测误差仅为 8.52%，并且在所有拓扑的晶体管级映射后保留了设计功能。 White-Op 在 \textcolor{blue}{https://github.com/zhchenfdu/whiteop} 上开源。