PCBWorld: A Benchmark Environment for Engine-Grounded PCB Design Automation
यह शोध पत्र PCBWorld को प्रस्तुत करता है, जो KiCad पर निर्मित एक ओपन-सोर्स, इंजन-आधारित बेंचमार्क वातावरण है जो RL और LLM एजेंटों को नेटिव ऑपरेशन्स और DRC फीडबैक का उपयोग करके इंटरैक्टिव रूप से PCB रूट करने में सक्षम बनाता है, यह प्रदर्शित करते हुए कि यह दृष्टिकोण मौजूदा तरीकों और नियम-आधारित राउटरों की तुलना में काफी बेहतर प्रदर्शन करता है।
मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप प्लास्टिक के एक सपाट टुकड़े पर एक लघु शहर बनाने की कोशिश कर रहे हैं। यह शहर एक प्रिंटेड सर्किट बोर्ड (PCB) है, और इसके "सड़कें" तांबे के पतले तार हैं जिन्हें विशिष्ट इमारतों (इलेक्ट्रॉनिक घटकों) को एक-दूसरे से जोड़ने की आवश्यकता है।
इसके नियम अविश्वसनीय रूप से सख्त हैं:
- अलग-अलग मोहल्लों (नेट्स) की सड़कें एक-दूसरे को काट नहीं सकतीं या छू नहीं सकतीं, अन्यथा पूरा शहर शॉर्ट-सर्किट हो जाएगा।
- सड़कों को एक निश्चित दूरी पर रहना चाहिए।
- यदि शहर बहु-स्तरीय (जैसे एक गगनचुंबी इमारत) है, तो आपको मंजिलों के बीच जाने के लिए लिफ्ट (वियास/vias) की आवश्यकता होगी।
दशकों से, मनुष्यों ने इन सड़कों को खींचने के लिए कठोर, नियम-आधारित कंप्यूटर प्रोग्रामों का उपयोग किया है। वे सरल शहरों के लिए ठीक काम करते हैं, लेकिन जब शहर बहुत बड़ा और भीड़भाड़ वाला हो जाता है, तो ये पुराने प्रोग्राम अक्सर अटक जाते हैं या हार मान लेते हैं।
हाल ही में, वैज्ञानिकों ने AI (जैसे रीइन्फोर्समेंट लर्निंग या लार्ज लैंग्वेज मॉडल्स) को यह काम सिखाने की कोशिश की है। लेकिन अधिकांश AI प्रयास विफल रहे क्योंकि वे गलत नियमों के साथ एक खेल खेल रहे थे। वे ग्रिड पर एक समय में एक छोटा पिक्सेल बनाने की कोशिश कर रहे थे, या वे बिना यह जांचे कि सड़कें वास्तव में फिट बैठती हैं या नहीं, एक बार में पूरी योजना लिखने की कोशिश कर रहे थे। यह दीवारों को देखे बिना भूलभुलैया में रास्ता खोजने की कोशिश करने जैसा है।
समाधान: PCBWorld
लेखकों ने AI एजेंटों के लिए एक नया "प्लेग्राउंड" बनाया है, जिसे PCBWorld कहा जाता है। इसे एक आभासी KiCad (एक लोकप्रिय, ओपन-सोर्स टूल जो सर्किट बोर्ड डिजाइन करता है) के रूप में समझें।
AI को पिक्सेल-दर-पिक्सेल अनुमान लगाने के लिए मजबूर करने के बजाय, PCBWorld AI एजेंट को सीधे उस "इंजन" से बात करने देता है जो बोर्ड बनाता है, ठीक वैसे ही जैसे एक मानव इंजीनियर करता है।
- इंजन: यह निर्माण दल (construction crew) है। यह नियमों को जानता है।
- एजेंट: यह वास्तुकार (architect) है। यह कहता है, "बिंदु A से बिंदु B तक एक सड़क बनाएं।"
- फीडबैक: यदि वास्तुकार ऐसी सड़क बनाने की कोशिश करता है जो नियमों को तोड़ती है (दूसरी सड़क के बहुत करीब है), तो इंजन तुरंत कहता है, "नहीं, यह एक उल्लंघन है!" और त्रुटि दिखाता है। वास्तुकार फिर से प्रयास करता है।
यह एक लूप बनाता है: योजना बनाना -> निर्माण करना -> जांचना -> सुधारना -> दोहराना। इस तरह से मनुष्य वास्तव में काम करते हैं, और अब AI भी ऐसा कर सकता है।
बेंचमार्क: PCBWorld-Bench
यह देखने के लिए कि क्या AI वास्तव में अच्छा है, लेखकों ने एक परीक्षण बनाया जिसे PCBWorld-Bench कहा जाता है। उन्होंने केवल नकली शहर नहीं बनाए; उन्होंने तीन प्रकार के टेस्ट बोर्डों का उपयोग किया:
- सरल ग्रिड शहर: बुनियादी तर्क का परीक्षण करने के लिए छोटे, सिंथेटिक बोर्ड।
- जटिल ग्रिडलेस शहर: सिंथेटिक बोर्ड जहाँ सड़कें कहीं भी जा सकती हैं, केवल एक ग्रिड पर ही नहीं।
- वास्तविक दुनिया के शहर: वास्तविक प्रोजेक्ट्स से 676 वास्तविक, ओपन-सोर्स सर्किट बोर्ड।
यह परीक्षण AI को इस आधार पर स्कोर देता है कि अंतिम शहर कानूनी (नियमों का कोई उल्लंघन नहीं) है, पूर्ण (सभी इमारतें जुड़ी हुई हैं), और कुशल (सबसे छोटी सड़कें, सबसे कम लिफ्ट) है।
उन्होंने क्या पाया
शोधकर्ताओं ने इस नए प्लेग्राउंड में तीन प्रकार के "वास्तुकारों" का परीक्षण किया:
"पिक्सेल-दर-पिक्सेल" AI (ग्रिड RL): इन एजेंटों ने एक समय में एक छोटा सा वर्ग (स्क्वायर) हिलाने की कोशिश की।
- परिणाम: जैसे ही शहर थोड़े बड़े हुए, वे ढह गए। वह "भूलभुलैया" उनके लिए बहुत लंबी और भ्रमित करने वाली थी।
"वन-शॉट" AI (ओपन-लूप LLMs): इन एजेंटों ने इंजन की जांच किए बिना एक ही बार में पूरा ब्लूप्रिंट लिखने की कोशिश की।
- परिणाम: वे बुरी तरह विफल रहे। इंजन के तत्काल "नहीं, यह गलत है" फीडबैक के बिना, वे सख्त नियमों का पालन नहीं कर सके। उन्होंने ऐसी सड़कें बनाईं जो एक-दूसरे को काटती थीं या इमारतों को पूरी तरह से छोड़ देती थीं।
"इंटरैक्टिव" AI (PCBWorld एजेंट्स): इन एजेंटों ने नए प्लेग्राउंड का उपयोग किया। उन्होंने एक चाल चली, इंजन के फीडबैक की जांच की, और सुधार किया।
- RL एजेंट्स: सरल सिंथेटिक बोर्डों पर प्रशिक्षित एक छोटे AI ने जटिल, वास्तविक दुनिया के बोर्डों को हल करने के लिए सीधे छलांग लगा दी, जिन्हें उसने पहले कभी नहीं देखा था। इसने सबसे अच्छे मानव-निर्मित नियम-आधारित उपकरणों के लगभग समान प्रदर्शन किया।
- LLM एजेंट्स: जब लार्ज लैंग्वेज मॉडल्स को चरण-दर-चरण इंजन के साथ बातचीत करने की अनुमति दी गई, तो वे इस काम में बहुत बेहतर हो गए। हालांकि, वे अभी भी धीमे थे और सबसे बड़े, सबसे जटिल शहरों के साथ संघर्ष कर रहे थे।
मुख्य निष्कर्ष
यह पेपर सिद्ध करता है कि सर्किट बोर्ड डिजाइन करने के लिए AI को सीखने के लिए, उसे निर्माण इंजन से बात करने और तत्काल फीडबैक प्राप्त करने की आवश्यकता है, ठीक वैसे ही जैसे एक मानव इंजीनियर करता है।
- एक बार में पूरी योजना का अनुमान न लगाएं।
- एक समय में एक पिक्सेल न हिलें।
- एक चाल चलें, नियमों की जांच करें, और उसे सुधारें।
इस "इंजन-ग्राउंडेड" वातावरण को बनाकर, लेखकों ने AI को एक कठिन, नियम-प्रधान कौशल सीखने का एक यथार्थवादी तरीका दिया है, जो यह दर्शाता है कि इंटरैक्टिव लर्निंग ही स्वचालित डिजाइन की अगली पीढ़ी को अनलॉक करने की कुंजी है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।