VLM-CAD: 비전 언어 모델 기반 협업 에이전트 설계 워크플로우를 통한 아날로그 회로 크기 결정

VLM-CAD: VLM-Optimized Collaborative Agent Design Workflow for Analog Circuit Sizing

아날로그 혼합 신호 회로 크기 결정은 고차원 설계 공간 내에서 복잡한 상호 작용을 포함합니다. 기존의 자동 아날로그 회로 크기 결정 방법은 회로 스키마를 무시하고, 오직 회로넷리스트에만 의존하여 스키마와 성능 간의 인지적 연결을 저해합니다. 또한, 머신러닝 방법의 블랙박스 특성과 대규모 언어 모델의 환각 위험은 산업 현장에서 요구되는 정확한 설명 가능성을 제공하지 못합니다. 이러한 문제점을 해결하기 위해, 우리는 비전 언어 모델 기반의 협업 에이전트 설계 워크플로우(VLM-CAD)를 제안합니다. VLM-CAD는 회로를 분석하고, DC 동작점을 최적화하며, 추론 기반의 크기 결정을 수행하고, 외부 크기 최적화를 실행합니다. 우리는 Image2Net을 통합하여 회로 스키마에 주석을 달고, 비전 언어 모델이 정확하게 해석할 수 있도록 구조화된 JSON 설명을 생성합니다. 또한, 에이전트가 생성한 초기값을 활용하는 협업 방식의 설명 가능한 신뢰 영역 베이지안 최적화 방법(ExTuRBO)을 제안하여, 외부 크기 최적화를 위한 이중 해상도의 민감도 분석을 제공하고, 포괄적인 최종 설계 보고서를 지원합니다. 180nm, 90nm, 45nm 예측 기술 모델을 사용한 증폭기 크기 결정 작업에 대한 실험 결과는 VLM-CAD가 물리 기반의 설명 가능성을 유지하면서 전력과 성능의 균형을 효과적으로 맞춘다는 것을 보여줍니다. VLM-CAD는 상보 입력과 클래스-AB 출력 단을 가진 증폭기를 최적화하는 과정에서 모든 사양 요구 사항을 충족하면서 낮은 전력 소비를 유지하며, 두 개의 증폭기에 대한 모든 실험에서 총 실행 시간이 66분 미만입니다.

Analog mixed-signal circuit sizing involves complex trade-offs within high-dimensional design spaces. Existing automatic analog circuit sizing approaches rely solely on netlists, ignoring the circuit schematic, which hinders the cognitive link between the schematic and its performance. Furthermore, the black-box nature of machine learning methods and hallucination risks in large language models fail to provide the necessary ground-truth explainability required for industrial sign-off. To address these challenges, we propose a Vision Language Model-optimized collaborative agent design workflow (VLM-CAD), which analyzes circuits, optimizes DC operating points, performs inference-based sizing, and executes external sizing optimization. We integrate Image2Net to annotate circuit schematics and generate a structured JSON description for precise interpretation by Vision Language Models. Furthermore, we propose an Explainable Trust Region Bayesian Optimization method (ExTuRBO) that employs collaborative warm-start from agent-generated seeds and offers dual-granularity sensitivity analysis for external sizing optimization, supporting a comprehensive final design report. Experiment results on amplifier sizing tasks using 180nm, 90nm, and 45nm Predictive Technology Models demonstrate that VLM-CAD effectively balances power and performance while maintaining physics-based explainability. VLM-CAD meets all specification requirements while maintaining low power consumption in optimizing an amplifier with a complementary input and a class-AB output stage, with a total runtime under 66 minutes across all experiments on two amplifiers.