CROP: Circuit Retrieval and Optimization with Parameter Guidance using LLMs

文章主要内容总结

本文提出了一种名为CROP（Circuit Retrieval and Optimization with Parameter Guidance using LLMs）的框架，旨在解决超大规模集成电路（VLSI）设计中电子设计自动化（EDA）工具的参数调优问题。由于EDA流程参数空间庞大（随参数数量呈指数增长），传统手动调优或基于算法的自动调优方法存在效率低、依赖大量样本的缺陷，CROP通过以下方式实现高效参数优化：

1. 两阶段框架设计：

   • 阶段1（数据库构建）：将已有电路的RTL源代码通过LLM分析生成模块级和整体设计摘要，再转换为密集向量表示（嵌入），同时存储这些设计的最优参数配置（参数指导）。
   • 阶段2（检索增强参数搜索）：对新设计执行相同的LLM分析和嵌入生成，通过最大内积搜索（MIPS）从数据库中匹配语义相似的设计，利用其参数指导结合检索增强生成（RAG）技术，引导LLM进行参数搜索，约束搜索空间并加速收敛。

2. 实验效果：在工业级设计上，CROP相比传统方法（如随机搜索、Optuna、贝叶斯优化）能以更少迭代次数获得更优的结果质量（QoR），例如使功耗降低9.9%，且在面积、时序等指标上表现出协同优化能力。