Image2Net: Neues Framework zur Umwandlung analoger Schaltpläne in Netlists

Auf der Plattform arXiv wurde das neue Projekt Image2Net vorgestellt, das die Umwandlung von analogen Schaltplänen in Netlist‑Formate revolutioniert. Durch die zunehmende Nutzung von Large Language Models (LLMs) in der IC‑Entwicklung ist eine präzise Übersetzung von Bilddaten in textbasierte Netlists von entscheidender Bedeutung.

Der Hauptgrund für die Entwicklung von Image2Net liegt in der begrenzten Verfügbarkeit von textbasierten Netlist‑Beschreibungen. Während die meisten analogen Schaltungen bislang ausschließlich als Bildschaltpläne vorliegen, fehlt es an umfangreichen Datensätzen, die verschiedene Bildstile und Bauteile abdecken. Das neue Dataset von Image2Net bietet eine breite Palette an Schaltplan‑Stilen und eine ausgewogene Mischung aus einfachen und komplexen analogen ICs, was die Grundlage für eine robuste Modell‑Schulung bildet.

Das Framework kombiniert fortschrittliche Bildverarbeitung mit LLM‑Technologien und nutzt einen hybriden Ansatz, um die Genauigkeit der Netlist‑Generierung zu maximieren. Zusätzlich wurde die Netlist Edit Distance (NED) als Metrik eingeführt, die die Differenz zwischen der generierten Netlist und dem Ground‑Truth präzise misst.

Die Benchmark‑Ergebnisse sind beeindruckend: Image2Net erreicht einen Erfolgs­rate von 80,77 %, was 34,62 % bis 45,19 % höher ist als bei bisherigen Ansätzen. Der durchschnittliche NED-Wert liegt bei 0,116, was eine Reduktion von 62,1 % bis 69,6 % gegenüber dem Stand der Technik bedeutet. Diese Zahlen zeigen, dass Image2Net einen bedeutenden Fortschritt in der automatisierten Umwandlung von Schaltplänen darstellt.

Das Projekt ist open‑source und steht Forschern sowie Entwicklern zur Verfügung, um die Weiterentwicklung von LLM‑basierten IC‑Design‑Tools voranzutreiben. Mit Image2Net wird die Brücke zwischen Bild- und Textdaten in der analogen Schaltungstechnik endlich überbrückt.