AstRL: KI-gestützte Synthese von Analog- und Mixed-Signal-Schaltungen
Analog- und Mixed-Signal‑ICs bilden das Herz moderner Rechen- und Kommunikationssysteme. Trotz steigender Designkomplexität hat die Automatisierung in diesem Bereich kaum Fortschritte gemacht, weil ein allgemeines Optim…
- Analog- und Mixed-Signal‑ICs bilden das Herz moderner Rechen- und Kommunikationssysteme.
- Trotz steigender Designkomplexität hat die Automatisierung in diesem Bereich kaum Fortschritte gemacht, weil ein allgemeines Optimierungsverfahren für die vielfältigen…
- Die neue Methode AstRL löst dieses Problem, indem sie das Schaltungsdesign als Graphgenerierungsaufgabe formuliert.
Analog- und Mixed-Signal‑ICs bilden das Herz moderner Rechen- und Kommunikationssysteme. Trotz steigender Designkomplexität hat die Automatisierung in diesem Bereich kaum Fortschritte gemacht, weil ein allgemeines Optimierungsverfahren für die vielfältigen, oft nicht differenzierbaren Schaltungsräume fehlt.
Die neue Methode AstRL löst dieses Problem, indem sie das Schaltungsdesign als Graphgenerierungsaufgabe formuliert. Mit einem Policy‑Gradient‑Ansatz erzeugt AstRL Schaltungen, die direkt auf benutzerdefinierte Zielwerte optimiert sind. Dabei arbeitet die KI in einer simulierten Umgebung, die während des Trainings echte Rückmeldungen liefert.
AstRL arbeitet auf Transistorebene und nutzt starke induktive Voreinstellungen im Aktionsraum sowie im Umfeld, um strukturell konsistente und gültige Topologien zu erzeugen. Durch Verhaltensklonierung und diskriminatorbasierte Ähnlichkeitsbelohnungen wird ein Expertengleiches Paradigma realisiert, das in Simulationen validiert wurde.
In drei realistischen Designaufgaben zeigte AstRL signifikante Verbesserungen gegenüber aktuellen Baselines. Alle generierten Schaltungen waren strukturell korrekt, und mehr als 90 % erfüllten die geforderten Funktionsanforderungen – ein deutlicher Fortschritt für die automatisierte Schaltungsentwicklung.
Welche Linse du auf diese Meldung legen solltest
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.