面向LLM辅助模拟版图精修的仿真感知上下文策略改进

模拟IC版图设计仍是一个劳动密集、由仿真驱动精修主导的迭代过程。尽管端到端版图生成器能加速初始布局与布线，面对严苛的设计规格，仍需要专家手动调整版图优化参数并进行反复的后版图仿真。贝叶斯优化（BO）在模拟IC设计中被广泛用于参数调优，但在版图层面通常需要数百到数千次评估，每次都涉及昂贵的寄生提取与后版图仿真，因而并不实用。近来，大语言模型（LLM）已显示出提升此类仿真驱动调优样本效率的潜力，但它们对几何版图上下文和设计特定启发式的访问受限，限制了其操控版图优化过程的能力。本文提出一个仿真感知的LLM多智能体框架，通过在紧凑结构化版图表示上的“行动-观察-反思”循环，迭代更新模拟版图生成器暴露的版图优化参数，实现上下文策略改进（ICPI）。在真实模拟电路上的实验表明，仅需数十次后版图仿真，我们的方法即可在后版图性能上超越生成器内置启发式和基于BO的调优方法。