SynCircuit: Automatisierte Erzeugung synthetischer RTL-Schaltungen für Big Data

In den letzten Jahren haben KI‑unterstützte Methoden im IC‑Design großes Potenzial gezeigt, doch die Verfügbarkeit von Schaltungsdaten bleibt stark begrenzt – besonders im öffentlichen Bereich. Dieser Mangel an Daten ist zum Hauptengpass bei der Weiterentwicklung solcher KI‑Methoden geworden.

Mit SynCircuit macht die Forschung erstmals einen Schritt in die richtige Richtung: Das System erzeugt neue synthetische Schaltungen mit gültiger Funktionalität im HDL‑Format. Dabei nutzt es ein speziell entwickeltes Framework, das drei innovative Schritte kombiniert.

Erstens wird ein maßgeschneidertes, diffusionbasiertes generatives Modell eingesetzt, um das bislang wenig erforschte Problem der Directed Cyclic Graph (DCG) – also gerichteten, zirkulären Graphen – zu lösen. Zweitens sorgt ein Constraint‑Refinement‑Mechanismus dafür, dass die generierten Schaltungen die notwendigen logischen Regeln einhalten. Drittens optimiert ein Monte‑Carlo‑Tree‑Search (MCTS) die Logikredundanz, sodass die Endschaltungen möglichst effizient sind.

Experimentelle Ergebnisse zeigen, dass SynCircuit realistischere synthetische Schaltungen erzeugt und die Leistung von maschinellen Lernmodellen in nachgelagerten Schaltungsdesign‑Aufgaben deutlich verbessert. Damit ebnet SynCircuit einen vielversprechenden Weg für Big‑Data‑Ansätze in der Schaltungstechnik.