CircuitLM: Mehragenten-Framework erzeugt präzise Schaltpläne aus Text

Ein neues Forschungsprojekt namens CircuitLM präsentiert ein innovatives, mehragentenbasiertes Design-Framework, das natürliche Sprachbeschreibungen in strukturierte, maschinenlesbare Schaltpläne umwandelt. Das System adressiert das langjährige Problem, dass große Sprachmodelle (LLMs) bei der Detailgenerierung häufig Fehler machen, elektrische Regeln verletzen und keine klaren Ausgaben liefern.

Die Pipeline von CircuitLM besteht aus fünf aufeinanderfolgenden Schritten: Erst identifiziert ein LLM die Bauteile, danach wird die kanonische Pinbelegung aus einer Datenbank abgerufen. Ein „Electronics Expert Agent“ führt anschließend eine Ketten-der‑Gedanken‑Analyse durch, bevor ein JSON‑Schematic generiert wird. Abschließend visualisiert ein force‑directed SVG die Schaltung für den Benutzer.

Der Schlüssel zum Erfolg liegt in einer sorgfältig kuratierten, embeddingsbasierten Bauteildatenbank, die zunächst 50 Komponenten umfasst. Durch die Verankerung der Generierung in dieser verifizierten Datenbank kann CircuitLM die typischen Fehler von LLMs vermeiden und die Einhaltung elektrischer Constraints sicherstellen.

Zur Bewertung der Qualität wurde ein hybrides „Dual‑Metric Circuit Validation“ (DMCV) entwickelt, das sowohl strukturelle als auch elektrische Gültigkeit prüft. In Tests mit 100 unterschiedlichen Embedded‑System‑Prompts und sechs verschiedenen LLMs zeigte DMCV eine hohe Übereinstimmung mit menschlichen Expertenbewertungen, insbesondere bei Mikrocontroller‑Designs.

CircuitLM ermöglicht es Anwendern ohne tiefgreifende Fachkenntnisse, aus einfachen Textbeschreibungen zuverlässige Prototypen zu erstellen. Der Code und die Datenbank werden nach der Annahme der Veröffentlichung öffentlich zugänglich gemacht, was die Weiterentwicklung und Anwendung in der Praxis fördert.