NL2GDS: LLM-aided interface for Open Source Chip Design

Das Paper stellt NL2GDS vor, ein Framework, das große Sprachmodelle nutzt, um natürliche Sprachbeschreibungen über den OpenLane-Flow in synthetisierbaren RTL-Code und GDSII-Layouts zu übersetzen, wodurch sich bei Benchmark-Designs signifikante Verbesserungen in Fläche, Verzögerung und Leistung ergeben.

Das Wesentliche

NL2GDS: Wie man aus einem einfachen Satz einen echten Computer-Chip baut

Stellen Sie sich vor, Sie möchten ein Haus bauen. Normalerweise müssten Sie als Bauherr nicht nur die Grundidee haben („Ich brauche ein Haus mit drei Schlafzimmern und einer großen Küche"), sondern Sie müssten auch die detaillierten Baupläne zeichnen, die Statik berechnen, die Materialliste erstellen und den Bauleiter anweisen, wo genau jeder Ziegel zu liegen hat. Das ist für Laien unmöglich und für Architekten extrem zeitaufwendig.

Die Forscher von der Universität Bristol haben nun eine Art „magischen Architekten" entwickelt, der das alles für Sie erledigt. Sie nennen ihn NL2GDS.

Hier ist die einfache Erklärung, wie das funktioniert:

1. Das Problem: Die Lücke zwischen Idee und Realität

Bisher war es so: Wenn Sie einen Computer-Chip entwerfen wollten, mussten Sie eine sehr komplexe Programmiersprache (RTL) beherrschen, die wie eine fremde Sprache für Maschinen klingt. Selbst wenn Sie den Code schrieben, mussten Sie dann teure Software nutzen, um aus diesem Code die physikalische Zeichnung (den „GDSII"-Plan) zu erstellen, die die Fabrik braucht, um den Chip zu gießen. Das war teuer, langsam und nur für Experten zugänglich.

2. Die Lösung: Ein Gespräch mit einer KI

NL2GDS ändert das Spiel komplett. Es ist wie ein Gespräch mit einem genialen Baumeister, der auch ein Super-Programmierer ist.

• Sie sprechen einfach: Sie sagen dem System auf Deutsch oder Englisch: „Ich brauche einen Chip, der Zahlen multiplizieren kann und dabei sehr wenig Strom verbraucht."
• Die KI versteht: Das System nutzt eine große Sprach-KI (ein „Large Language Model" oder LLM), die genau weiß, was Sie meinen.
• Die KI baut: Anstatt nur einen Text zu schreiben, generiert die KI den kompletten Bauplan für den Chip, schreibt den Programmcode und erstellt die fertige Zeichnung für die Fabrik.

3. Wie funktioniert das im Inneren? (Die Metapher des Bau-Teams)

Stellen Sie sich NL2GDS nicht als einen einzelnen Roboter vor, sondern als ein hochspezialisiertes Bau-Team, das in der Cloud arbeitet:

• Der Chef-Architekt (Der Agent): Er hört sich Ihre Wünsche an und stellt Ihnen Rückfragen, um sicherzugehen, dass er alles richtig verstanden hat.
• Der Bauleiter (Die RAG-Technologie): Der Chef weiß nicht alles auswendig. Deshalb schaut er in ein riesiges digitales Handbuch (die „RAG"-Datenbank), das alle Regeln für Chip-Bau enthält. Wenn der Chef einen Fehler macht, liest er im Handbuch nach, wie man es richtig macht.
• Die Baufirma (OpenLane): Das ist das Werkzeug, das die eigentliche Arbeit macht. Es ist eine kostenlose, offene Software, die den Chip entwirft. Normalerweise ist diese Software schwer zu bedienen, aber NL2GDS steuert sie wie ein Autopilot.
• Die Qualitätskontrolle: Bevor der Chip fertig ist, prüft das System tausende Male: „Ist das stabil? Geht das schnell genug? Ist der Platz optimal?" Wenn etwas nicht stimmt, korrigiert die KI den Plan sofort und versucht es erneut – alles automatisch.

4. Das Ergebnis: Schnell, billig und besser

Die Forscher haben das System getestet, indem sie bekannte Schaltungen nachbauen ließen. Das Ergebnis war verblüffend:

• Besser als die Experten: Die von der KI entworfenen Chips waren oft kleiner, schneller und sparsamer als die von menschlichen Experten entworfenen Referenz-Chips. In manchen Fällen wurde der Chip um fast die Hälfte kleiner!
• Schneller: Was früher Tage oder Wochen dauerte, ging in wenigen Minuten.
• Günstig: Ein kompletter Chip-Entwurf kostete im Test weniger als 1 Dollar an Rechenkosten.

Warum ist das wichtig?

Früher war Chip-Design wie ein exklusiver Club, in den nur reiche Firmen und Universitäten mit teuren Werkzeugen eintreten konnten. NL2GDS öffnet die Tür für alle.

Stellen Sie sich vor, ein Lehrer könnte mit Schülern über eine Idee sprechen, und innerhalb einer Stunde hätten sie einen funktionierenden Chip-Plan. Ein Start-up könnte eine neue Idee testen, ohne Millionen in Ingenieure zu investieren. Es demokratisiert die Hardware-Welt: Jeder kann jetzt vom Gedanken zum echten Chip gelangen, indem er einfach nur spricht.

Zusammengefasst: NL2GDS ist der erste Schritt zu einer Welt, in der wir Computerchips so einfach entwerfen können wie wir heute eine E-Mail schreiben.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des Papers „NL2GDS: LLM-Aided Interface for Open Source Chip Design" auf Deutsch:

1. Problemstellung

Die zunehmende Komplexität des Hardware-Designs und die wachsende Kluft zwischen hochleveligen Spezifikationen und der Register-Transfer-Level (RTL)-Implementierung behindern schnelle Prototypenentwicklung und Systemdesign. Traditionelle ASIC-Design-Flows (Application-Specific Integrated Circuit) erfordern tiefgehende Kenntnisse in proprietären EDA-Tools (Electronic Design Automation), die oft teuer und für KMUs sowie Bildungseinrichtungen unzugänglich sind.
Bisherige Ansätze, die Large Language Models (LLMs) nutzen, beschränken sich meist auf die Generierung von RTL-Code oder die Orchestrierung von Tools, ohne jedoch den gesamten Weg von einer natürlichen Sprachbeschreibung bis hin zu einem fertigen, herstellungsfähigen GDSII-Layout (Physical Layout) zu automatisieren. Es fehlt eine Lösung, die natürliche Sprache direkt in optimierte Chip-Layouts übersetzt und dabei Feedback aus dem Backend-Design (Timing, Routing, DRC) in den Generierungsprozess integriert.

2. Methodik: Das NL2GDS-Framework

NL2GDS (Natural Language to Layout) ist ein modulares, KI-gestütztes Framework, das natürliche Sprache in synthetisierbaren RTL-Code und vollständige GDSII-Layouts übersetzt. Es nutzt den Open-Source-ASIC-Flow OpenLane als Backend.

Das Systemarchitektur besteht aus vier Kernkomponenten:

• Web-basierte Frontend-Schnittstelle: Eine benutzerfreundliche Browser-Oberfläche (basierend auf Streamlit), die CLI-Komplexität eliminiert und Integration mit GUIs wie KLayout und OpenRoad bietet.
• Multi-Agenten-System: Statt eines einzelnen LLM-Aufrufs nutzt NL2GDS ein Team spezialisierter Agenten. Diese Agenten interagieren mit OpenLane, sammeln Kontext aus Synthese-, Floorplanning- und Timing-Logs und optimieren den Entwurf iterativ.
• Retrieval-Augmented Generation (RAG): Da Basis-LLMs oft nicht über das spezifische Wissen der ca. 800 OpenLane-Parameter verfügen, nutzt das System RAG, um projektspezifische Dokumentation, Parameterführer und erfolgreiche Design-Beispiele in die Prompts einzuspeisen. Dies verbessert die Zuverlässigkeit bei der Konfigurationsgenerierung und Fehlerbehebung.
• Cloud-Backend: Der gesamte Flow läuft automatisiert in der Cloud. Das System nutzt Parallelisierung, um multiple Design-Runs gleichzeitig durchzuführen, was die Explorationszeit drastisch verkürzt.

Schlüsseltechniken im Detail:

• Chain-of-Thought (CoT): Der Prozess wird in kleinere Teilaufgaben zerlegt (Planung, Verilog-Generierung, Verifikation, Fehlerkorrektur). Ein spezialisierter Agent prüft den generierten Code mittels Verilator (Lint-Modus), bevor er zur Synthese freigegeben wird.
• Backend-bewusste Verfeinerung: Das System liest Metriken (PPA: Power, Performance, Area) aus OpenLane aus. Bei Fehlern (z. B. Timing-Verletzungen, DRC-Fehler) werden diese strukturiert erfasst und als Query an das RAG-System gesendet, um gezielte Optimierungen der RTL-Code-Struktur oder der OpenLane-Konfiguration vorzuschlagen.
• Parallelisierung: Um die Beschränkungen des Python Global Interpreter Lock (GIL) zu umgehen, werden OpenLane-Runs als separate Subprozesse auf Multicore-Servern ausgeführt, was eine massive Beschleunigung ermöglicht.

3. Hauptbeiträge

1. Erster End-to-End NL-zu-GDSII Flow: NL2GDS ist das erste Framework, das natürliche Sprachspezifikationen direkt in synthetisierbaren RTL-Code und vollständige GDSII-Layouts unter Verwendung des OpenLane-Flows übersetzt.
2. Modulare, LLM-gesteuerte Pipeline: Einsatz einer Multi-Agenten-Architektur mit RAG und Chain-of-Thought-Reasoning zur automatischen Generierung von HDL, Fehlerkorrektur und Optimierung von Designparametern.
3. Vollständige Automatisierung: Integration von HDL-Generierung, Verifikation, Synthese und Layout in eine vollautomatische Cloud-Pipeline, die Turnaround-Zeiten reduziert und die Einstiegshürden senkt.
4. Demokratisierung des Chip-Designs: Ermöglicht Nutzern mit begrenzten HDL- oder EDA-Kenntnissen, herstellungsfähige Layouts allein durch hochlevelige Beschreibungen zu erstellen.

4. Ergebnisse und Evaluation

Die Evaluation wurde mit dem Open-Source Skywater 130nm PDK und einer Auswahl von ISCAS'85 und ISCAS'89 Benchmark-Designs durchgeführt.

• Leistungsvergleich (PPA): Im Vergleich zu manuell optimierten Gate-Level-Designs (ISCAS-Benchmarks) erzielte NL2GDS signifikante Verbesserungen:
  • Flächenreduktion: Bis zu 36 % (bei manchen Multiplizierern bis zu 54,71 %).
  • Verzögerungsreduktion (Delay): Bis zu 35 %.
  • Leistungsverbrauch (Power): Einsparungen von bis zu 70 %.
• Code-Qualität: Auf dem VerilogEval-Dataset zeigte die Integration von CoT und NL2GDS eine massive Steigerung der Testbench-Pass-Raten. Beispielsweise stieg die Erfolgsrate bei Gemini 2.5 Pro von 3,79 % (Basis) auf 83,70 % und bei GPT-5 auf 100 %.
• Effizienz: Ein komplexer 16x16-Multiplizierer konnte in nur einer Stunde von der natürlichen Spracheingabe bis zum optimierten GDSII-Layout entworfen werden (inkl. 98 Optimierungs-Runs). Die Gesamtkosten für LLM und Cloud-Computing betrugen dabei nur ca. 1,12 USD.
• Selbstoptimierung: Das System war in der Lage, Design-Trade-offs (z. B. Pipelining für höhere Geschwindigkeit gegen höheren Flächenverbrauch) automatisch zu erkennen und umzusetzen.

5. Bedeutung und Ausblick

NL2GDS stellt einen Paradigmenwechsel in der Hardware-Entwicklung dar. Es schließt die Lücke zwischen natürlicher Sprache und physikalischer Chip-Herstellung und macht ASIC-Design für eine breitere Zielgruppe zugänglich. Durch die Kombination von Generativer KI mit Open-Source-EDA-Tools (OpenLane) wird nicht nur die Prototypenentwicklung beschleunigt, sondern auch die Kosten für Silizium-Prototyping drastisch gesenkt.

Die Arbeit zeigt, dass LLMs nicht nur als Co-Pilots für Code-Generierung dienen können, sondern als autonome Agenten komplexe physikalische Design-Flows steuern und optimieren können. Dies ist besonders relevant für Anwendungen im Bereich Edge-AI und IoT, wo Effizienz und schnelle Markteinführung entscheidend sind. Zukünftige Arbeiten könnten sich auf die Erweiterung auf komplexere SoC-Architekturen und die Integration weiterer Open-Source-Toolchains konzentrieren.