LLMs zeigen Potenzial, aber Grenzen bei analoger Schaltungsgestaltung

In einer neuen Studie aus dem arXiv-Repository wird untersucht, wie große Sprachmodelle (LLMs) bei der Gestaltung analoger Schaltungen eingesetzt werden können. Während LLMs in der natürlichen Sprachverarbeitung beeindruckende Ergebnisse liefern, bleibt ihre Zuverlässigkeit in realen Ingenieuraufgaben bislang wenig erforscht.

Die Autoren vergleichen verschiedene Modellgrößen – von kleineren Architekturen wie T5 und GPT‑2 bis hin zu größeren Grundlagenmodellen wie Mistral‑7B und GPT‑oss‑20B – und analysieren, wie unterschiedliche Datenrepräsentationen das Verhalten der Modelle beeinflussen. Dabei wird besonders darauf geachtet, dass der Mensch im Designprozess weiterhin die Kontrolle behält.

Die Ergebnisse zeigen deutlich, dass LLMs empfindlich auf das Datenformat reagieren, die erzeugten Schaltungen oft instabil sind und die Modelle Schwierigkeiten haben, neue, unbekannte Schaltungsvarianten zuverlässig zu generieren. Diese Schwächen verdeutlichen die Grenzen der aktuellen Modelle, wenn es um strukturierte, physikalisch begrenzte Aufgaben geht.

Dennoch liefern die Erkenntnisse wertvolle Hinweise darauf, wie zukünftige LLM‑Modelle für strukturierte, reale Anwendungen zuverlässiger gestaltet werden können. Die Arbeit unterstreicht das Potenzial von LLMs als unterstützende Werkzeuge, die menschliche Ingenieure in komplexen Designprozessen ergänzen können, und legt den Grundstein für weiterführende Forschungs- und Entwicklungsbemühungen.