💻 computer science

CircuitProver: Agentic Lean 4 Theorem Proving with Reusable Circuit Proof Library for Hardware Verification

CircuitProver es un marco de trabajo agéntico de Lean 4 que automatiza la verificación de hardware mediante la traducción de diseños y especificaciones parametrizados en modelos ejecutables, construyendo iterativamente pruebas verificadas por máquina y destilando estos resultados en una biblioteca reutilizable que mejora significativamente la eficiencia y las tasas de éxito de las pruebas en comparación con los agentes convencionales.

Autores originales: Ziyi Yang, Wenji Fang, Chen Chen, Zhiyao Xie, Hongce Zhang

Publicado 2026-07-31

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ziyi Yang, Wenji Fang, Chen Chen, Zhiyao Xie, Hongce Zhang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El dilema del detective: Por qué necesitamos un hardware más inteligente

Imagina que estás construyendo una ciudad de Lego masiva e increíblemente compleja. Cada ladrillo es un diminuto interruptor electrónico y, juntos, forman un chip de computadora que alimenta todo, desde tu teléfono hasta los coches autónomos del futuro. ¿El problema? Estas ciudades se están volviendo tan grandes y complicadas que incluso los mejores arquitectos humanos no pueden revisar cada uno de los ladrillos para asegurarse de que no se desmoronen. Si un pequeño interruptor está en el lugar equivero, toda la ciudad podría colapsar.

Durante años, la forma estándar de revisar estas ciudades ha sido como una prueba de "caja negra". Construyes una versión específica de la ciudad (por ejemplo, con 8 pisos), ejecutas un robot superrápido para ver si funciona y este te da un sello simple de "Aprobado" o "Reprobado". Si falla, el robot podría mostrarte una foto del ladrillo roto. Pero aquí está el truco: el robot no te dice por qué se rompió, y no recuerda la lección para la siguiente ciudad. Si construyes una ciudad un poco más grande con 16 pisos, el robot tiene que empezar de cero, volviendo a descifrar todas las mismas reglas, aunque la lógica sea casi idéntica. Es como resolver un problema matemático, obtener la respuesta y luego tirar tu trabajo para tener que resolver exactamente el mismo problema para la siguiente pregunta.

Aquí es donde entra un nuevo campo llamado "verificación formal". En lugar de solo probar, intenta escribir una prueba matemática de que la ciudad es perfecta. Pero escribir estas pruebas suele ser un trabajo superdifícil que requiere que un genio humano guíe a una computadora paso a paso. Ahora, un nuevo equipo de investigadores ha construido una herramienta que actúa como un detective superinteligente que no solo resuelve el rompecabezas, sino que también escribe una "hoja de trucos" para futuros detectives, haciendo que el trabajo sea más rápido y fácil cada vez.

CircuitProver: El detective que aprende de cada caso

El artículo presenta a CircuitProver, un nuevo sistema diseñado para verificar diseños de hardware (las "ciudades") utilizando un lenguaje de programación llamado Lean 4. Piensa en Lean 4 como un profesor de matemáticas superestricto que nunca acepta una respuesta incorrecta. CircuitProver es un "agente", que es solo una palabra elegante para un robot de IA que puede hablar con este profesor, intentar resolver el problema, escuchar las correcciones del profesor e intentarlo de nuevo hasta que lo logra.

Pero la verdadera magia no es solo que pueda resolver los problemas; es lo que hace después de resolverlos.

La vieja forma vs. La nueva forma

En el pasado, verificar el hardware era como revisar una sola cerradura en una sola puerta. Si tenías una puerta que podía medir 8 pulgadas de ancho, 16 pulgadas de ancho o 100 pulgadas de ancho, tenías que revisar la versión de 8 pulgadas, tirar las notas, revisar la versión de 16 pulgadas, tirar las notas, y así sucesivamente. El artículo argumenta que esto es un desperdicio. La lógica de cómo funciona la cerradura es la misma, independientemente del tamaño.

CircuitProver cambia las reglas del juego al tratar la puerta como un diseño "parametrizado". Pregunta: "¿Podemos demostrar que esta cerradura funciona para cualquier tamaño?". En lugar de revisar una puerta específica, demuestra una regla general que cubre todos los tamaños posibles a la vez.

La biblioteca de "Hoja de trucos" reutilizable

Aquí está la parte más emocionante: CircuitProver mantiene una Biblioteca de Pruebas Reutilizables. Imagina que eres un detective resolviendo una serie de robos.

El primer caso: Resuelves un robo complicado. Te toma 13 rondas de investigación. Descubres que el ladrón siempre deja un tipo específico de lodo en el alféizar de la ventana.
La vieja forma: La próxima vez que ocurre un robo similar, ignoras tus notas. Pasas otras 13 rondas de investigación, redescubriendo la pista del lodo.
El modo CircuitProver: Después de resolver el primer caso, escribes una nota de "Estrategia de Prueba": "Si ves lodo en el alféizar, revisa el ático inmediatamente". También guardas el "Hecho Verificado por Máquina" (la prueba de que el lodo significa que el ladrón estuvo allí).
El siguiente caso: Cuando ocurre un nuevo robo, tu robot detective consulta la biblioteca. Ve la pista del lodo, toma la estrategia de "revisar el ático" y resuelve el caso en solo 6 rondas.

El artículo muestra que, al usar esta biblioteca, el sistema no solo se volvió más rápido; se volvió más inteligente. Pudo resolver problemas que un robot estándar (sin la biblioteca) no podría haber resuelto en absoluto.

Lo que dicen los números

Los investigadores probaron CircuitProver en 63 tareas de hardware diferentes, que van desde circuitos matemáticos simples hasta sistemas de memoria complejos.

Tasa de éxito: Un robot estándar (llamado "agente vanilla") logró resolver el 92.1% de las tareas. CircuitProver, con su biblioteca y estrategias inteligentes, resolvió el 100% (todas las 63 tareas).
Velocidad: El robot estándar tomó un promedio de 9.2 rondas de intentar y fallar para obtener una prueba. CircuitProver solo necesitó 4.6 rondas: fue el doble de rápido.
Tiempo: El tiempo total para verificar los diseños disminuyó en un 23.2%.
Complejidad: Las pruebas mismas fueron un 16.3% más cortas, lo que significa que la lógica era más limpia y fácil de leer.

El artículo también probó esto en diseños enormes a nivel de procesador (como los cerebros de computadoras reales). Aquí, los beneficios fueron aún mayores. CircuitProver redujo el tiempo y el esfuerzo en más de un 50% en comparación con el robot estándar. Esto sugiere que a medida que el hardware se vuelve más complejo, la biblioteca de "hoja de trucos" se vuelve aún más valiosa, ahorrando a los investigadores el tener que reinventar la rueda cada vez.

Cómo funciona (El truco de magia)

CircuitProver funciona en tres pasos:

Traducción: Toma el diseño de hardware (escrito en un lenguaje llamado Chisel) y lo traduce al estricto lenguaje matemático de Lean 4. También traduce la descripción humana de lo que el hardware debería hacer en un problema matemático.
El trabajo de detective: El agente de IA intenta probar el problema matemático. Si se queda atascado, le pide ayuda al profesor de Lean 4. El profesor dice: "No, ese paso es incorrecto", y el agente intenta un camino diferente.
Actualización de la biblioteca: Una vez terminada la prueba, el sistema no solo la archiva. Analiza cómo resolvió el problema. Extrae los momentos de "¡ajá!" (como "usar este truco matemático específico para los acarreos") y los añade a la biblioteca. La próxima vez, el agente puede simplemente tomar ese truco en lugar de descubrirlo desde cero.

Por qué esto es importante

El artículo sugiere que este enfoque es un gran paso adelante para la verificación de hardware. Al acumular conocimiento, dejamos de tratar cada nuevo diseño de chip como un misterio totalmente nuevo. En su lugar, construimos una biblioteca creciente de acertijos resueltos que hace que la verificación de futuros chips, más complejos, sea más rápida y confiable.

Los investigadores admiten que su sistema actualmente funciona mejor con tipos específicos de diseños de hardware y que depende de modelos de IA potentes (probaron con diferentes versiones de una IA llamada Claude, encontrando que cuanto más inteligente es la IA, mejores son los resultados). Sin embargo, la idea central —que podemos enseñar a las computadoras a aprender de sus propias pruebas y compartir ese conocimiento— es una nueva y poderosa dirección. Convierte la verificación de hardware de un proceso repetitivo y manual en un proceso inteligente y de automejora.

En resumen, CircuitProver es como darle a un detective memoria y una libreta de notas. No solo resuelve el caso; recuerda cómo lo hizo, para que la próxima vez que ocurra un crimen similar, la ciudad esté segura mucho más rápido.

Resumen Técnico: CircuitProver

Declaración del Problema

El diseño de circuitos integrados (IC) modernos enfrenta un cuello de botella crítico en la verificación funcional debido al aumento de la complejidad. La metodología dominante, el model checking (verificación de modelos), verifica cada instancia de diseño por separado, exponiendo únicamente resultados de paso/fallo o contraejemplos. En consecuencia, el razonamiento detrás de una prueba permanece bloqueado dentro de las heurísticas del solver, y un razonamiento similar debe reconstruirse repetidamente en diseños relacionados. Si bien la verificación interactiva de teoremas (ITP) ofrece artefactos de prueba explícitos y reutilizables, su aplicación al hardware sigue siendo mayoritariamente manual, requiriendo un esfuerzo experto significativo para la formalización, el descubrimiento de invariantes y la construcción de pruebas.

Las herramientas existentes carecen de conocimiento reutilizable: el model checking oculta el razonamiento, mientras que los marcos de ITP actuales (por ejemplo, Coq, ACL2) dependen en gran medida de expertos humanos. En la emergente "era de los agentes", donde agentes autónomos participan en la generación y optimización de hardware, las herramientas de verificación deben no solo comprobar la corrección, sino también acumular y preservar artefactos de prueba y estrategias de razonamiento explícitos para guiar a futuros agentes.

Metodología: CircuitProver

El artículo presenta CircuitProver, un marco de verificación basado en agentes y en Lean 4, diseñado para la verificación de hardware con acumulación de pruebas. Se dirige a diseños de hardware parametrizados (específicamente Chisel), permitiendo que una sola prueba establezca la corrección para toda una familia de instancias de hardware en lugar de verificar diseños instanciados individualmente.

El marco opera a través de tres fases distintas:

Fase I: Auto-formalización de Hardware

CircuitProver traduce automáticamente implementaciones de hardware parametrizadas y especificaciones en lenguaje natural en modelos ejecutables en Lean 4.

Traducción: Un traductor de Chisel a Lean ( $\mathcal{T}_{impl}$ ) determinista convierte los diseños de hardware en un modelo semántico unificado en Lean 4 ( $L_D$ ). Este modelo preserva los parámetros del diseño, las interfaces de E/S, los estados de los registros y los comportamientos de transición utilizando tipos de vectores de bits conscientes del ancho (width-aware).
Validación: La traducción se valida mediante una co-simulación exhaustiva de bajo ancho de bits para asegurar que el modelo Lean se comporte idénticamente al diseño Chisel original.
Formulación de Especificaciones: Un agente de razonamiento ( $\mathcal{F}_{spec}$ ) interpreta las especificaciones en lenguaje natural ( $S$ ) dentro del contexto del hardware para generar propiedades formales en Lean 4 ( $L_S$ ), preservando los parámetros de forma simbólica.

Fase II: Demostración de Teoremas de Hardware Mediante Agentes

Un agente de razonamiento orientado al hardware construye iterativamente pruebas verificadas por máquina mediante la interacción con el demostrador de teoremas Lean 4. El flujo de trabajo incluye:

Planificación de Pruebas y Construcción de Andamiaje: En lugar de una búsqueda directa de tácticas, el agente descompone la prueba de corrección en obligaciones intermedias estructuradas.
- Para diseños combinacionales, se enfoca en la corrección de computación de un solo ciclo, generando lemas para aritmética y lógica de vectores de bits.
- Para diseños secuenciales, construye pruebas de transición local de un paso y descubre invariantes inductivos para conectar la corrección paso a paso con el comportamiento global.
Demostración Iterativa: El agente ( $\mathcal{F}_{proof}$ ) genera scripts de prueba, invoca a Lean y analiza la retroalimentación (estados de prueba y mensajes de error). Refina el razonamiento, introduce lemas o fortalece los invariantes basándose en la retroalimentación de Lean hasta que todas las obligaciones se hayan cumplido.

Fase III: Biblioteca de Pruebas Reutilizables

Las trayectorias de prueba exitosas se destilan en dos bibliotecas complementarias para soportar tareas futuras:

Biblioteca de Guía de Pruebas: Almacena estrategias en lenguaje natural que explican cómo se descompuso una prueba, por qué se eligieron lemas específicos y cómo adaptar los planes basados en la retroalimentación. Captura la "ruta" para la construcción de la prueba.
Biblioteca de Teoremas Verificados por Lean: Almacena hechos independientes de módulos y verificados por máquina. Las pruebas se desacoplan de las definiciones de módulos específicos y se reformulan sobre parámetros simbólicos e interfaces genéricas, permitiendo que los lemas verificados (por ejemplo, lógica de carry-skip) sean reutilizados en diferentes diseños de hardware.

Contribuciones Clave

Verificación de Hardware Nativa para Agentes: Introducción de CircuitProver, un marco que integra auto-formalización, demostración de teoremas mediante agentes y bibliotecas de pruebas reutilizables.
Auto-formalización de Hardware: Un pipeline que traduce implementaciones de Chisel y especificaciones de lenguaje natural en representaciones unificadas y verificables por máquina en Lean 4.
Flujo de Trabajo de Demostración de Teoremas Mediante Agentes: Un flujo de trabajo consciente del hardware donde los agentes construyen pruebas iterativamente usando retroalimentación, abordando específicamente diseños parametrizados y semántica de ancho fijo.
Biblioteca de Pruebas Reutilizables: Un mecanismo para destilar trazas de prueba en estrategias de lenguaje natural y artefactos formales, permitiendo la transferencia de conocimiento entre tareas de verificación.
Suite de Benchmarks: El primer conjunto de pruebas para evaluar la demostración de teoremas de hardware mediante agentes, que cubre 63 tareas de Chisel parametrizadas (aritmética, control, memoria, miscelánea) y módulos a nivel de procesador.

Resultados Experimentales

Los autores evaluaron CircuitProver contra un agente vanilla (mismo LLM y configuración pero sin bibliotecas reutilizables ni guía de hardware) y Chicala/Stainless.

Tasa de Éxito: CircuitProver demostró con éxito el 100% (63/63) de las tareas del benchmark. El agente vanilla resolvió el 92.1% (58/63), y Chicala/Stainless tuvo dificultades con la robustez del front-end, fallando al compilar muchos diseños.
Eficiencia: Comparado con el agente vanilla, CircuitProver redujo:
- El promedio de rondas de prueba en un 50.0%.
- El tiempo de verificación en un 23.2%.
- Las líneas de código (LoC) de la prueba en un 16.3%.
Escalabilidad: En módulos de mayor tamaño a nivel de procesador (multiplicadores/divisores de XiangShan y Rocket), CircuitProver redujo el tiempo de verificación en un 56.8% y las LoC de la prueba en un 54.4% en comparación con el agente vanilla.
Estudios de Ablación:
- Eliminar la Biblioteca de Teoremas redujo la tasa de éxito del 100% al 95.2% (60/63), lo que indica que la biblioteca ayuda a resolver casos difíciles.
- Eliminar la Guía de Pruebas aumentó las rondas requeridas para la cobertura total de 18 a 29, mostrando que la guía acelera el proceso de búsqueda.
Escalamiento del Modelo: El rendimiento escaló con la capacidad del LLM, donde el modelo más fuerte (Opus 4.8) logró un 100% de éxito, mientras que los modelos más débiles (Haiku 4.5) resolvieron solo 31/63 tareas.

Significado y Reivindicaciones

El artículo sostiene que el conocimiento de prueba reutilizable es un habilitador crítico para la verificación automatizada de hardware en la era de los agentes. Al cambiar de salidas de verificación aisladas e implícitas hacia artefactos de prueba explícitos y acumulados, CircuitProver demuestra que:

La acumulación de pruebas reduce significativamente el esfuerzo redundante en tareas de verificación relacionadas.
La guía consciente del hardware es esencial para una búsqueda de pruebas eficiente, particularmente para diseños parametrizados y secuenciales.
La demostración de teoremas mediante agentes puede lograr una cobertura total en diversos benchmarks de hardware donde el model checking tradicional no proporciona un razonamiento reutilizable y la ITP manual es demasiado laboriosa.

Los autores posicionan a CircuitProver como un paso hacia herramientas de verificación que no solo validan el hardware, sino que también aprenden y mejoran con el tiempo al destilar patrones de razonamiento exitosos en bibliotecas reutilizables.