NL2GDS: LLM-aided interface for Open Source Chip Design

NL2GDS is een innovatief framework dat grote taalmodellen gebruikt om natuurlijke taalbeschrijvingen om te zetten in synthesiseerbare RTL-code en volledige GDSII-layouts via de OpenLane-flow, waardoor de ASIC-ontwerpproces wordt gedemocratiseerd en aanzienlijke verbeteringen in oppervlakte, vertraging en energieverbruik worden bereikt.

De kern

Stel je voor dat je een huis wilt bouwen, maar in plaats van een architect of een bouwvakker te zijn, hoef je alleen maar te zeggen: "Ik wil een huis met drie slaapkamers, een grote tuin en een dak dat altijd droog blijft, zelfs bij storm."

Vroeger moest je voor zo'n huis eerst jarenlang studeren om de blauwdrukken (de technische tekeningen) zelf te maken, de materialen te bestellen en de bouwplannen te schrijven in een taal die alleen ingenieurs begrijpen. Als je een foutje maakte, stortte het hele project in.

NL2GDS is als een super-intelligente, digitale bouwmeester die precies weet wat je bedoelt, zelfs als je het in gewone, alledaagse taal zegt.

Hier is hoe het werkt, vertaald naar een simpel verhaal:

1. Het Probleem: De "Taalbarrière"

In de wereld van computerchips (die in je telefoon en auto zitten) is het bouwen van een chip extreem moeilijk. Je moet eerst een ontwerp maken in een codeertaal (RTL), en dan die code omzetten in een fysieke tekening (GDSII) die fabrieken kunnen gebruiken om de chip te printen.
Tussen die twee stappen zit een enorme kloof. Het is alsof je een gedicht schrijft en iemand anders moet dat gedicht omzetten in een compleet, werkend motorblok. Dat kost tijd, geld en veel kennis. Kleine bedrijven en scholen kunnen dit vaak niet betalen.

2. De Oplossing: NL2GDS (Van Taal naar Chip)

De onderzoekers van de Universiteit van Bristol hebben NL2GDS bedacht. De naam staat voor Natural Language to GDSII (Van Natuurlijke Taal naar Chip-tekening).

Het werkt als een slimme vertaler met een bouwteam:

• De Vertaler (De LLM): Je typt je idee in: "Maak een chip die snel kan rekenen en weinig stroom verbruikt." Een kunstmatige intelligentie (een Large Language Model) leest dit en denkt na: "Ah, diegene wil een vermenigvuldiger."
• De Bouwmeester (De Agents): De AI is niet alleen een vertaler; het is een team van specialisten. Ze schrijven de code, controleren of het klopt, en sturen het naar een open-source bouwmachine genaamd OpenLane.
• De OpenLane: Dit is als een geautomatiseerde fabriek. Hij neemt de code en bouwt er een fysieke chiptekening van, stap voor stap, zonder dat een mens hoeft te klikken.

3. De Magische Trucjes

Hoe zorgt deze AI ervoor dat het niet mislukt? Ze gebruiken drie slimme trucs:

• Het "Nadenken"-proces (Chain of Thought): In plaats van dat de AI direct een antwoord schrijft (wat vaak fouten bevat), laat het de AI eerst een plan maken. Het denkt: "Oké, eerst dit onderdeel, dan dat, en check of het past." Het is alsof je eerst een schets maakt voordat je begint met schilderen.
• Het "Bibliotheek"-systeem (RAG): AI's weten niet alles over chipbouwen. Ze kunnen soms vergeten welke knop ze moeten indrukken in de fabriek. Daarom heeft NL2GDS een "bijbel" bij zich met alle regels en handleidingen. Als de AI twijfelt, slaat het op in die bibliotheek: "Hoe bouw ik een chip die niet oververhit raakt?" en past het zijn plan aan.
• De Zelfcorrectie: Als de fabriek zegt: "Hé, deze chip past niet in het hoesje," sturen ze het ontwerp terug naar de AI. De AI leest de foutmelding, denkt na, past de code aan en probeert het opnieuw. Dit gebeurt automatisch, net zo lang tot het perfect is.

4. Wat is het resultaat?

De onderzoekers hebben dit getest met bekende ontwerpen (zoals rekenmachines en verkeerslichten). Het resultaat was verbazingwekkend:

• De chips die door de AI werden ontworpen waren kleiner (tot 36% minder ruimte nodig).
• Ze waren sneller (tot 35% sneller).
• Ze verbruikten veel minder stroom (tot 70% besparing).

Dit is alsof je een huis laat bouwen dat kleiner is, sneller klaar is en minder energie verbruikt dan het huis dat een menselijke architect had ontworpen.

5. Waarom is dit belangrijk?

Vroeger moesten alleen grote bedrijven met enorme budgetten en duizenden ingenieurs chips ontwerpen. Met NL2GDS kan iedereen een chip ontwerpen.

• Een student kan zeggen: "Ik wil een chip die mijn drone stabiel houdt."
• Een start-up kan zeggen: "Ik heb een chip nodig die mijn sensor data verwerkt."

Het democratiseert de chipwereld. Het maakt het mogelijk om ideeën in enkele uren om te zetten in werkende ontwerpen, in plaats van maanden. Het is de eerste keer dat je van een simpele zin in een taal die iedereen spreekt, direct een kant-en-klare chiptekening krijgt die in een fabriek geproduceerd kan worden.

Kortom: NL2GDS is de brug tussen je droom en de fysieke wereld van elektronica, zodat je niet meer hoeft te leren programmeren om een chip te bouwen. Je hoeft alleen maar te weten wat je wilt.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "NL2GDS: LLM-Aided Interface for Open Source Chip Design" in het Nederlands.

Probleemstelling

De hardwareontwikkeling kampt met een groeiende complexiteit en een aanzienlijke kloof tussen hoge-level specificaties en de implementatie op register-transfer niveau (RTL) en fysieke lay-out (GDSII). Traditionele Electronic Design Automation (EDA) workflows zijn vaak afhankelijk van dure, gesloten toolchains, wat de toegang beperkt voor kleine en middelgrote bedrijven (KMO's) en onderwijsinstellingen. Hoewel er recente vooruitgang is geboekt in het genereren van code via Large Language Models (LLM's), richten bestaande systemen zich voornamelijk op de voorzijde van het ontwerp (RTL-generatie) of fungeren ze slechts als orchestratie-tools die nog steeds menselijke input vereisen voor fysiek ontwerp. Er ontbreekt een geautomatiseerde, end-to-end oplossing die natuurlijke taal direct omzet in een fabricageklaar chipontwerp (GDSII) met behulp van open-source tools.

Methodologie: Het NL2GDS Framework

NL2GDS (Natural Language to Layout) is een nieuw framework dat LLM's combineert met de open-source OpenLane ASIC-flow om een volledig geautomatiseerde pipeline te creëren. De architectuur bestaat uit vier kerncomponenten:

1. Web-based Front-end: Een browserinterface (gebaseerd op Streamlit) die de complexiteit van command-line interfaces (CLI) en scripts wegneemt. Deze interface integreert naadloos met GUI's zoals KLayout en OpenRoad, waardoor gebruikers ontwerpen kunnen starten zonder lokale installatievereisten.
2. Agente Benadering (Multi-Agent Systeem): In plaats van één enkele LLM-opdracht, gebruikt het systeem een team van gespecialiseerde agents. Deze agents communiceren met OpenLane, verzamelen context uit syntheselogboeken, timing, en PPA-metrics (Power, Performance, Area), en voeren taken uit zoals het genereren van HDL, het oplossen van fouten en het optimaliseren van de lay-out.
3. Retrieval-Augmented Generation (RAG): Omdat basis-LLM's onvoldoende kennis hebben van de duizenden specifieke parameters van de OpenLane-flow, gebruikt het systeem RAG. Dit stelt de LLM in staat om relevante documentatie, parametergidsen en succesvolle voorbeelden op te halen om configuratiebestanden te genereren en fouten (zoals timing- of DRC-schendingen) intelligent op te lossen.
4. Cloud Backend & Parallelisme: De workflow is volledig geautomatiseerd en draait in de cloud. Om de beperkingen van Python's Global Interpreter Lock (GIL) voor CPU-intensieve taken te omzeilen, wordt OpenLane uitgevoerd in parallelle subprocessen. Dit stelt het systeem in staat om honderden ontwerpruns simultaan uit te voeren voor snelle optimalisatie.

Technische Implementatie:

• Chain-of-Thought (CoT): Het systeem deontwerpproblemen op in kleinere subtaken (planning, Verilog-generatie, verificatie, foutoplossing). Dit verbetert de codekwaliteit aanzienlijk.
• Iteratieve Refinement: De LLM ontvangt feedback van de OpenLane-flow (bijv. timing violations) en past zowel de RTL-code als de configuratieparameters iteratief aan totdat de doelen zijn bereikt.

Belangrijkste Bijdragen

1. Eerste End-to-End NL-naar-GDSII Pipeline: Het is het eerste framework dat natuurlijke taal specificaties direct omzet in synthesiseerbare RTL en een volledige GDSII lay-out via de open-source OpenLane-flow.
2. Backend-bewuste Optimalisatie: Het systeem integreert fysieke ontwerpfeedback (timing, routing, DRC) direct in de generatieve cyclus, waardoor het niet alleen code genereert, maar ook manufacturable ontwerpen levert.
3. Geïntegreerde Conversatie-interface: In tegenstelling tot eerdere orchestratie-tools, combineert NL2GDS generatie, tool-aanroepen en fysieke optimalisatie in één natuurlijke taal-lus.
4. Democratisering van Chipontwerp: Het verlaagt de instapdrempel aanzienlijk, waardoor gebruikers zonder diepgaande HDL- of EDA-expertise fabrieksklare ontwerpen kunnen produceren.

Resultaten en Evaluatie

De prestaties van NL2GDS zijn geëvalueerd op basis van de ISCAS'85 en ISCAS'89 benchmark circuits (zoals ALU's, multipliers en verkeerslichtencontrollers) met de Skywater 130nm PDK.

• PPA-Verbeteringen (Power, Performance, Area):
  • Oppervlakte: Tot 36% reductie (bijvoorbeeld 54,71% reductie voor een 16x16 multiplier) vergeleken met de baseline ISCAS-implementaties.
  • Vertraging (Delay): Tot 35% reductie in kritieke pad-vertraging.
  • Vermogen: Tot 70% besparing in vermogenverbruik.
• Codekwaliteit: Bij tests op de VerilogEval-dataset (met complexe FSM-taken) steeg het slagingspercentage van testbench-checks aanzienlijk. Bijvoorbeeld, bij het GPT-5 model steeg het succespercentage van 17,52% (baseline) naar 100% met de NL2GDS CoT-architectuur.
• Efficiëntie: Een volledig ontwerpproces (van natuurlijke taal tot GDSII) voor complexe ontwerpen zoals een 16x16 multiplier duurde slechts ongeveer 30 minuten en kostte minder dan $0,60 aan cloud- en LLM-kosten.
• Vergelijking: NL2GDS presteerde beter dan de handmatig geoptimaliseerde ISCAS-benchmarks in bijna alle gevallen, ondanks dat de input uitsluitend in natuurlijke taal was.

Betekenis en Toekomst

NL2GDS markeert een transformatieve stap in de geautomatiseerde hardwareontwikkeling. Door de kloof tussen hoge-level intentie en fysieke implementatie te overbruggen, maakt het chipontwerp toegankelijker, sneller en goedkoper. De technologie is bij uitstek geschikt voor toepassingen waar snelheid en efficiëntie cruciaal zijn, zoals Edge-AI en IoT. Het bewijst dat open-source EDA-tools, gekoppeld aan geavanceerde LLM-architecturen, concurrerend kunnen zijn met gesloten, commerciële flows, en opent de deur voor een nieuwe generatie hardware-innovatie die niet langer beperkt wordt door de complexiteit van traditionele ontwerptools.