SchGen：基于语义锚定代码表示的PCB原理图生成

印制电路板（PCB）原理图设计几乎定义了所有电子硬件，但它仍然依赖人工且高度依赖专业知识。尽管生成式AI已推进了数字与模拟IC设计，从自然语言意图生成PCB原理图却基本未被探索。本文提出SchGen，首个从自然语言请求生成可编辑PCB原理图的大语言模型。关键挑战在于缺乏适合LLM的表示以及大规模数据集。当前原理图格式由冗长、工具特定的语法和偏重几何的描述主导，使其难以被可靠生成。我们引入一种语义锚定的代码表示，以相对放置和基于引脚名称的连线来编码原理图编辑原语，把几何驱动的生成问题转化为LLM可处理的语义驱动匹配任务。我们进一步通过一个人机协作流水线，将开源硬件设计转换为我们的表示，构建了PCB原理图与用户提示配对的大规模数据集。实验表明，SchGen在连线连通性准确率与功能正确性上显著优于其他表示，甚至优于更大的通用LLM。我们的结果凸显了表示设计在让生成式模型胜任复杂硬件设计任务中的关键作用。