cGenEDA：用于电子设计优化的代码生成工具

《ACM Transactions on Design Automation of Electronic Systems》：cGenEDA: Code-Generation for Electronic Design Optimization

针对工程逆设计问题中复杂混合整数优化挑战，提出基于生成式概率模型（如LLM）的自动化设计系统cGenEDA，通过多智能体协作实现设计概念生成、优化问题定义与自动化设计，支持长序列仿真代码生成与直接模型输入，结合黑盒优化算法高效解决逆设计问题。

　　

摘要AI摘要

要查看此由AI生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

在工程中解决逆向设计问题通常需要应对复杂的挑战。传统上，这类系统是通过在数值仿真软件中手动设置模型并应用参数优化来优化的。拓扑变化和变量参数集会导致具有挑战性的混合整数优化问题。这类问题很难自动解决；因此，通常需要设计工程师花费大量精力进行手动初始化。生成式概率模型（如大型语言模型LLM）能够高效地生成多样化的、有效的设计概念，这些概念是完全可参数化的、可仿真的和可优化的。我们介绍了cGenEDA，这是一个基于多个LLM代理的“协同伴侣”系统，它使用上下文提示来协调这些任务，提供了一个无缝且可适应的设计生成、优化问题定义和设计自动化工具链。我们的方法证明了可以准确生成长序列的交互式仿真模型代码，并直接将其作为特定领域仿真器的模型输入，以进行精确的前向仿真。同时，cGenEDA会设置优化问题，将其与众所周知的黑盒优化算法结合起来，从而高效地解决逆向设计问题。

AI摘要

AI生成的摘要（实验性）

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核的。它旨在帮助发现、帮助读者评估相关性，并协助来自相关研究领域的读者理解本文内容。它旨在补充作者提供的摘要，后者仍然是论文的主要摘要。完整文章是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进和未来重新生成的版本。

要查看此由AI生成的通俗语言摘要，您必须拥有高级访问权限。