论文
AutoSizer：经由 LLM Agent 的模拟与混合信号电路自动尺寸设计
AutoSizer: Automatic Sizing of Analog and Mixed-Signal Circuits via Large Language Model (LLM) Agents
摘要
模拟与混合信号（AMS）集成电路的设计仍然严重依赖专家知识，其中晶体管尺寸设计因非线性行为、高维设计空间与严苛性能约束而成为主要瓶颈。现有电子设计自动化（EDA）方法通常将尺寸设计视为静态黑盒优化，导致低效且稳健性较差的方案。尽管大语言模型（LLM）展现出强大的推理能力，但它们并不适合 AMS 尺寸设计中的精确数值优化。为弥补这一空白，我们提出 AutoSizer，一个反思式 LLM 驱动的元优化框架，将电路理解、自适应搜索空间构建与优化编排统一于闭环之中。它采用双环优化框架：内环负责电路尺寸设计，外环分析优化动态与约束，依据仿真反馈迭代精炼搜索空间。我们进一步提出 AMS-SizingBench，一个开放基准，包含采用 SKY130 CMOS 工艺的 24 个多样 AMS 电路，旨在评估现实仿真器约束下的自适应优化策略。实验表明，AutoSizer 在不同电路难度下取得更高的解质量、更快收敛与更高成功率，优于传统优化方法与现有基于 LLM 的 Agent。
