AnalogToBi: Device-Level Analog Circuit Topology Generation via Bipartite Graph and Grammar Guided Decoding

L'article présente AnalogToBi, un cadre de génération de topologies de circuits analogiques au niveau des composants qui surpasse les méthodes précédentes en assurant une validité électrique et une nouveauté élevées grâce à une représentation par graphe biparti, un guidage par grammaire et un contrôle fonctionnel explicite.

L'essentiel

Imaginez que concevoir un circuit électronique analogique (comme ceux qui amplifient le son dans votre téléphone ou gèrent la batterie de votre voiture) est un peu comme construire une maison.

Jusqu'à présent, pour construire cette maison, il fallait un architecte humain très expérimenté. Il devait d'abord dessiner le plan (la "topologie") : où placer les murs, les portes et les fenêtres. Ensuite, il choisissait la taille des briques et des poutres. Si le plan de départ était mauvais, peu importe la qualité des briques, la maison ne tiendrait pas debout.

Le problème, c'est qu'il y a de moins en moins d'architectes experts capables de faire ce travail, et les ordinateurs qui essayaient de le faire jusqu'ici avaient deux gros défauts :

1. Ils copiaient bêtement les plans qu'ils avaient vus (ils "mémorisaient" au lieu de comprendre).
2. Ils dessinaient souvent des plans impossibles à construire (des murs qui flottent dans le vide ou des portes qui mènent nulle part).

Voici comment AnalogToBi change la donne, expliqué simplement :

1. Le "Chef de Chantier" (Le Token de Type de Circuit)

Imaginez que vous demandez à un robot de construire une maison. Avant, vous deviez lui donner des instructions complexes. Avec AnalogToBi, vous lui donnez simplement un badge : "Je veux une maison de campagne" ou "Je veux un gratte-ciel".
Ce badge (appelé "jeton de type de circuit") dit au robot exactement quel genre de circuit il doit créer (un amplificateur, un comparateur, etc.). Le robot sait dès le début ce qu'il a à faire, sans avoir besoin de deviner.

2. La Carte "Deux Couches" (Le Graph Bipartite)

C'est le cœur de l'innovation.

• L'ancienne méthode était comme essayer de décrire une maison en listant chaque brique, chaque clou et chaque vis dans une longue liste, dans un ordre très précis. Si vous changez l'ordre de la liste, le robot se perd. C'est comme si le robot apprenait par cœur la séquence des mots plutôt que la structure de la maison.

• La méthode AnalogToBi utilise une carte en deux couches :

  • Couche 1 : Les Objets (les murs, les portes, les fenêtres = les composants électroniques).
  • Couche 2 : Les Connexions (les tuyaux, les câbles, les routes = les fils électriques).

  Le robot ne voit plus une longue liste confuse. Il voit une carte claire où les objets sont reliés aux connexions. Cela l'oblige à comprendre comment les choses sont connectées, et non pas juste à répéter une liste de mots appris par cœur. C'est comme passer d'une recette de cuisine écrite en un seul paragraphe géant à un schéma visuel clair.

3. Le "Règlement de Construction" (Décodage Guidé par la Grammaire)

Même avec une bonne carte, un robot pourrait faire une erreur : brancher un fil sur un mur en béton (ce qui est impossible en électricité).
AnalogToBi utilise un règlement de construction strict (une grammaire). C'est comme un inspecteur de chantier virtuel qui dit :

• "Attends, tu ne peux pas mettre un mur ici avant d'avoir posé le fondation."
• "Non, tu ne peux pas connecter ce fil à ce composant, ce n'est pas permis par les lois de la physique."

Ce système empêche le robot de générer des circuits "impossibles". À chaque étape, il vérifie que la construction est légalement et physiquement valide.

4. Le "Jeu de Masques" (Augmentation par Renommage)

Pour éviter que le robot ne copie exactement les plans qu'il a vus pendant son entraînement (mémorisation), les chercheurs lui ont donné un jeu de masques.
Imaginez que le robot a appris à construire une maison où le premier mur s'appelle "Mur A". Au lieu de lui montrer toujours "Mur A", on lui dit : "Aujourd'hui, ce mur s'appelle 'Mur Z', demain 'Mur 42'".
Le robot apprend ainsi que l'identité du mur n'a pas d'importance, seule sa position et sa connexion comptent. Cela l'oblige à être créatif et à inventer de nouveaux plans, au lieu de copier-coller les anciens.

Le Résultat ?

Grâce à cette combinaison intelligente :

• 97,8 % des circuits générés sont physiquement valides (pas de murs flottants).
• 92,1 % sont de nouveaux designs (le robot a vraiment inventé quelque chose, il n'a pas copié).
• Le robot peut être commandé pour faire exactement le type de circuit que vous voulez.

En résumé, AnalogToBi est comme un architecte robotique qui comprend la logique de la construction, respecte les lois de la physique, et est capable d'inventer de nouvelles maisons modernes sans jamais copier les plans de ses voisins. Cela ouvre la porte à une automatisation totale de la conception de puces électroniques, rendant l'électronique plus rapide à développer et moins dépendante d'une poignée d'experts humains.

Résumé technique

1. Problématique

La conception de circuits analogiques au niveau des dispositifs (transistors, résistances, etc.) reste un défi majeur en automatisation de la conception électronique (EDA). Bien que des approches récentes basées sur les transformateurs (LLMs) aient montré des promesses, elles souffrent de limitations critiques :

• Contrôle fonctionnel limité : Difficulté à spécifier le type de circuit souhaité (ex: amplificateur opérationnel vs comparateur).
• Mémoire des données : Les modèles ont tendance à mémoriser les séquences d'entraînement plutôt qu'à apprendre des principes structurels, réduisant la nouveauté des circuits générés.
• Validité électrique : Génération fréquente de circuits non valides (nœuds flottants, courts-circuits) qui ne peuvent pas être simulés.
• Représentation inadéquate : Les représentations séquentielles traditionnelles (niveau "dispositif-pins") couplent trop fortement l'ordre positionnel à la sémantique fonctionnelle, ce qui nuit à la généralisation.

L'objectif est de créer un cadre capable de générer automatiquement des topologies de circuits analogiques au niveau des dispositifs, avec un contrôle explicite de la fonction, une validité électrique garantie et une capacité à découvrir de nouvelles structures.

2. Méthodologie : AnalogToBi

AnalogToBi est un cadre de génération de topologies basé sur un modèle Transformer (décodeur seul) entraîné de zéro. Il repose sur quatre piliers techniques innovants :

A. Token de Type de Circuit pour le Contrôle Fonctionnel

Contrairement aux méthodes précédentes qui commencent par un token fixe (ex: VSS), AnalogToBi accepte un token de type de circuit (ex: CIRCUIT OpAmp, CIRCUIT Comparator) en entrée. Cela permet de conditionner la génération sur une fonctionnalité spécifique, transformant le problème en une modélisation de séquence conditionnelle.

B. Représentation par Graphes Bipartis

Pour éviter la mémorisation de motifs de tokens et mieux capturer la structure électrique, l'article propose une nouvelle représentation :

• Graphes Bipartis : Le circuit est modélisé comme un graphe avec deux ensembles de nœuds disjoints : les dispositifs (transistors, résistances) et les nets (connexions électriques).
• Sémantique des Pins : Les broches (pins) ne sont pas des nœuds indépendants mais des arêtes typées reliant un dispositif à un net (ex: NM1-G connecte le transistor NM1 au net de grille).
• Avantage : Cette représentation découple l'ordre positionnel de la sémantique fonctionnelle, forçant le modèle à raisonner sur les relations structurelles plutôt que sur la séquence de tokens.

C. Décodage Guidé par Grammaire (Grammar-Guided Decoding)

Pour garantir la validité électrique sans apprentissage par renforcement coûteux, un système d'états (machine à états) est intégré au processus de décodage :

• Contraintes de transition : Seules les transitions de tokens valides sont autorisées (ex: après un token de dispositif, seul un token de type "broche" est permis).
• États : Le décodeur suit un cycle strict : Type de circuit → Net de référence (VSS) → Broche → Dispositif → Broche → Net, etc.
• Terminaison : La génération ne s'arrête que lorsque tous les pins sont connectés et qu'aucun net interne n'est flottant, garantissant ainsi la validité électrique du circuit généré.

D. Augmentation de Données par Renommage de Dispositifs

Pour contrer la mémorisation, une stratégie d'augmentation de données est appliquée :

• Les identifiants des dispositifs (ex: NM1, PM2) sont renommés aléatoirement (ex: NM7, PM9) tout en préservant la connectivité et la fonction du circuit.
• Combinée à la représentation bipartite, cette technique empêche le modèle de mémoriser des séquences de tokens spécifiques et l'encourage à apprendre les principes structurels sous-jacents.

3. Contributions Clés

1. AnalogToBi : Un cadre complet pour la génération de topologies analogiques au niveau des dispositifs, capable de produire des circuits valides et novateurs sans intervention humaine.
2. Représentation Bipartite : Une nouvelle formulation de graphe qui sépare les dispositifs et les réseaux, améliorant la généralisation et réduisant la mémorisation.
3. Contrôle Fonctionnel Explicite : Intégration de tokens de type de circuit permettant de cibler des fonctions spécifiques (OpAmp, LDO, etc.) avec une haute précision.
4. Garantie de Validité : Utilisation du décodage guidé par grammaire pour éliminer les circuits non valides dès la phase de génération, sans besoin de post-traitement complexe.
5. Pipeline Automatique SPICE : Capacité à traduire automatiquement les séquences générées en netlists SPICE exécutables pour simulation.

4. Résultats Expérimentaux

Les expériences ont été menées sur un jeu de données de 2 165 circuits analogiques (augmenté à ~397 000 séquences). Le modèle (11,3M de paramètres) a été comparé à des méthodes de l'état de l'art (AnalogCoder, LaMAGIC, AnalogGenie).

• Validité : 97,8 % des circuits générés sont électriquement valides (convertibles en netlist SPICE sans erreur).
• Nouveauté : 92,1 % des circuits générés sont structurellement nouveaux (non isomorphes aux données d'entraînement).
• Validité et Nouveauté : 89,9 % des circuits sont à la fois valides et novateurs.
• Contrôle de Type : Précision de classification de 91,3 % pour générer le type de circuit demandé (ex: OpAmp, Comparateur).
• Performance en Simulation : Une étude de cas sur un amplificateur opérationnel (OpAmp) généré a montré un facteur de mérite (FoM) de 168,5, surpassant largement AnalogCoder (1,7) et AnalogGenie (36,5), avec une bande passante et un gain DC compétitifs, le tout sans optimisation de dimensionnement complexe.

5. Signification et Impact

AnalogToBi représente une avancée significative vers l'automatisation complète de la conception analogique.

• Réduction de la dépendance aux experts : Il permet d'explorer l'espace de conception au niveau des dispositifs sans nécessiter de topologie initiale fournie par un ingénieur.
• Efficacité et Reproductibilité : Contrairement aux méthodes basées sur l'apprentissage par renforcement avec boucle humaine (HITL), AnalogToBi est entièrement automatisé et reproductible.
• Qualité de conception : La capacité à générer des topologies à la fois valides et novéraires démontre que l'IA peut découvrir des architectures analogiques compétitives, potentiellement supérieures à celles conçues manuellement ou par des méthodes de raffinement limitées.

En résumé, ce travail établit une fondation pratique pour la génération de circuits analogiques de niveau dispositif, combinant contrôle fonctionnel, validité structurelle garantie et capacité d'innovation.