ملخص تقني: SchGen - توليد المخططات التخطيطية للوحات الدوائر المطبوعة (PCB) باستخدام تمثيلات برمجية ذات أساس دلالي

بيان المشكلة

يعد تصميم المخططات التخطيطية للوحات الدوائر المطبوعة (PCB) خطوة أساسية في تطوير الأجهزة الإلكترونية، ومع ذلك لا يزال عملية يدوية تعتمد على الخبرة وتتطلب أدوات أتمتة التصميم الإلكتروني (EDA). وبينما حقق الذكاء الاصطناعي التوليدي خطوات واسعة في تصميم الدوائر المتكاملة (IC) الرقمية والتماثلية، فإن توليد المخططات التخطيطية للـ PCB من النوايا المكتوبة باللغة الطبيعية لا يزال غير مستكشف إلى حد كبير.

تتمثل التحديات الرئيسية التي تعيق التقدم في هذا المجال في:

1. عدم تطابق التمثيل: تهيمن على تنسيقات المخططات الحالية (مثل ملفات KiCad الخام) بيانات وصفية ضخمة خاصة بالأدوات ووصف كثيف للهندسة. هذه التنسيقات يصعب على النماذج اللغوية الكبيرة (LLMs) تحليلها بشكل موثوق، مما يؤدي إلى أخطاء في التنسيق ومخرجات غير قابلة للاستخدام. وفي المقابل، فإن التمثيلات القائمة على الصور ليست قابلة للتعديل مباشرة أو القراءة الآلية.
2. ندرة البيانات: على الرغم من توفر تصميمات الأجهزة مفتوحة المصدر، إلا أنها توجد بتنسيقات متباية، وغالباً ما تكون كصور ثابتة للمشاهدة البشرية بدلاً من ملفات مصدر قابلة للتعديل، مما يجعل من الصعب إعادة استخدامها لتدريب مجموعات بيانات واسعة النطاق.
3. تعقيد المهمة: على عكس المنطق الرقمي (Boolean) أو الدوائر المتكاملة التماثلية (التي تعتمد على الطوبولوجيا)، تتضمن المخططات التخطيطية للـ PCB مكونات متنوعة (دوائر متكاملة رقمية/تماثلية، عناصر خاملة، موصلات) وتوصيلات معقدة مدفوعة بمتطلبات وظيفية عالية المستوى في اللغة الطبيعية.

المنهجية

1. التمثيل البرمجي ذو الأساس الدلالي

لمعالجة مشكلة التمثيل، قدم المؤلفون تمثيلاً برمجياً ذا أساس دلالي يقوم بتحويل توليد المخطط التخطيطي من مشكلة تنبؤ بالهندسة المطلقة إلى مهمة مطابقة قائمة على الدلالات. يقوم هذا التمثيل بتجريد عملية تصميم المخطط إلى سلسلة من عمليات التحرير المهيكلة باستخدام واجهة برمجة تطبيقات (API) بلغة بايثون مخصصة:

• العمليات الأولية للتحرير: تتضمن واجهة برمجة التطبيقات وظائف مثل add_schematic_symbol و add_label و get_pin_location و connect_pins.
• التوضع النسبي: بدلاً من الإحداثيات المطلقة، يستخدم النظام أنظمة إحداثيات محلية مع إزاحات نسبية من المكونات المرجعية (anchor components). وهذا يقلل من عبء الاستدلال المكاني على النماذج اللغوية الكبيرة.
• التوصيل القائم على أسماء الأطراف (Pins): يتم تعريف التوصيلات من خلال أسماء أطراف دلالية (مثل VCC و TXD و GPIO1) بدلاً من إحداثيات الأسلاك المطلقة. وهذا يتوافق مع كيفية تفكير المهندسين البشريين في اتصال الدوائر.
• المخرج: تنفيذ هذا الكود يولد ملف مخطط تخطيطي صالح وقابل للتعديل بتنسيق KiCad.

2. خط إنتاج تعاوني بين الإنسان والوكيل (Human-Agent Collaborative Data Pipeline)

للتغلب على ندرة البيانات، أنشأ المؤلفون مجموعة بيانات واسعة النطاق تضم 1,390 تصميماً فريداً للمخططات التخطيطية (تم توسيعها إلى 8,420 عينة عبر تعزيز البيانات) باستخدام خط إنتاج يحول تصميمات الأجهزة مفتوحة المصدر (من SparkFun) إلى التمثيل البرمجي المقترح:

• المسودة الوكيلية (Agentic Sketch): تقوم النماذج اللغوية الكبيرة متعددة الوسائط (مثل GPT-5) بتوليد مسودات أولية لكود بايثون من صور المخططات. يقوم النظام بالتكرار بناءً على تغذية راجعة من التنفيذ (أخطاء في الصيغة، رموز غير قانونية) لإنتاج نسخة "المسودة".
• المحاذاة البشرية: يقوم مهندسون بشريون بمراجة وتصحيح المسودات لضمان المحاذاة مع التصميمات المرجعية الأصلية، مع إصلاح توصيلات الأسلاك المعقدة التي تواجه فيها النماذج اللغية الكبيرة صعوبة.
• التحويل من المخطط إلى الكود: يقوم محلل (parser) بتحويل ملفات KiCad المتوافقة إلى التمثيل البرمجي المهيكل، مما يضمن أن مجموعة البيانات تتكون من كود قابل للتنفيذ وخالٍ من الأخطاء.
• توليد المطالبات (Prompt Synthesis): يتم توليد طلبات المستخدم باستخدام نماذج لغوية كبيرة متعددة الوسائط لإنشاء مطالبات متنوعة (موجزة ومفصلة) مقترنة بالكود.

3. تدريب النموذج

قام المؤلفون بضبط نموذج GPT-oss-20b (نموذج بـ 20 مليار معلمة) لإنشاء SchGen.

• الضبط الدقيق الخاضع للإشراف (SFT): تم تدريب النموذج على مجموعة البيانات المقترنة من مطالبات المستخدم وكود المخطط التخطيطي.
• سلسلة الأفكام (Chain-of-Thought - CoT): تم تعزيز مجموعة البيانات بخطوات استدلال مستخلصة تم توليدها بواسطة نماذج أكبر (GPT-oss-120B) لتعزيز قدرة النموذج على تخطيط عملية توليد المخطط التخطيطي.

المساهمات الرئيسية

1. تعريف مهمة جديدة: يحدد البحث مهمة توليد مخططات تخطيطية قابلة للتعديل للـ PCB من مطالبات اللغة الطبيعية، وهو مجال لم يتم استكشافه سابقاً من قبل الذكاء الاصطناائي التوليدي.
2. نموذج SchGen: تقديم SchGen، وهو أول نموذج لغوي كبير قادر على توليد مخططات تخطيطية قابلة للتعديل للـ PCB مباشرة من طلبات المستخدم.
3. التمثيل ذو الأساس الدلالي: تمثيل برمجي جديد يجرد تصميم المخطط إلى توضع نسبي وتوصيل قائم على أسماء الأطراف، مما يحسن بشكل كبير من قابلية التعلم وجودة التوليد مقارنة بتنسيقات الملفات الخام.
4. مجموعة بيانات واسعة النطاق: بناء مجموعة بيانات عالية الجودة تضم 1,390 نوعاً فريداً من المخططات التخطيطية المقترنة بمطالبات المستخدم، والتي تم إنشاؤها عبر خط إنتاج تعاوني بين الإنسان والوكيل.

النتائج التجريبية

قيم المؤلفون SchGen مقابل متغيرات الاستئصال (تمثيلات مختلفة)، ونماذج KiCad الخام، والنماذج اللغوية الكبيرة العامة الرائدة (GPT-5.2، GPT-o4mini، Grok-4).

• فعالية التمثيل: حقق التمثيل المقترح Code-L1 (مع الإحداثيات النسبية والتوصيل القائم على أسماء الأطراف) معدل دوائر صالح بنسبة 82.00% و صحة وظيفية مؤكدة من قبل الخبراء بنسبة 60.5%. وقد تفوق هذا بشكل كبير على:
  • Code-L2 (بدون إحداثيات نسبية): 78.16% صالح، و33.0% صحة وظيفية.
  • Code-L3 (بدون التوصيل القائم على أسماء الأطراف): 76.40% صالح، و6.0% صحة وظيفية.
  • ملفات KiCad الخام: 32.45% فقط دوائر صالحة و3.0% صحة وظيفية.
• المقارنة مع النماذج الرائدة: على الرغم من امتلاكه 20 مليار معلمة فقط، إلا أن SchGen تفوق على النماذج الأكبر (بما في ذلك GPT-5.2) عبر جميع المقاييس عند استخدام نفس التمثيل. على سبيل المثال، حقق SchGen صحة وظيفية بنسبة 60.5% مقارنة بـ 50.0% لـ GPT-5.2 (باستخدام نفس تمثيل Code-L1).
• التعميم: في مجموعة اختبار غير مرئية (خارج التوزيع) من مشاريع GitHub، حافظ SchGen على أداء عالٍ، محققاً تشابهاً في دقة قائمة الروابط (netlist) مع GPT-5.2 (40.65% مقابل 40.64% لتشابه جاكارد)، مما يثبت قدرة النموذج على تعميم منطق التصميم المتعلم.

الأهمية والادعاءات

يزعم البحث أن تصميم التمثيل هو الممكن الحاسم لتطبيق النماذج التوليدية على مهام تصميم الأجهزة المعقدة. وتبرز النتائج أن:

• تحويل التوليد القائم على الهندسة إلى مهمة مطابقة قائمة على الدلالات يسمح للنماذج اللغوية الكبيرة بالتقاط كل من الاستدلال المكاني والقصد الوظيفي بفعالية.
• يمكن لتمثيل جيد الهيكلة ومتخصص في المجال أن يسمح لنموذج أصغر، تم ضبطه بدقة، بالتفوق على النماذج الرائدة الأكبر بكثير والأكثر عمومية.
• يوضح خط الإنتاج المقترح مساراً قابلاً للتطبيق لأتمتة مرحلة تصميم المخططات التخطيطية، والتي كانت تاريخياً الجزء الأقل أتمتة في سير عمل الـ PCB.

يشير المؤلفون إلى القيود، بما في ذلك التركيز الحالي على المخططات المهيكلة من مصادر محددة (SparkFun) وعدم وجود نمذجة للقيود المتقدمة للـ PCB (مثل التوجيه عالي السرعة، والتداخل الكهرومغناطيسي EMI). ويؤكدون أن التدخل البشري يظل ضرورياً لضمان قوة وسلامة المخططات المولدة، مما يضع SchGen كخطوة تأسيسية نحو أتمتة أوسع في التصميم الإلكتروني بدلاً من كونه حلاً مستقلاً تماماً.