Stel je voor dat je een briljante, razendsnelle robot probeert te leren hoe hij een complexe machine moet bouwen, zoals een aangepaste videogameconsole of een superveilige kluis. Je geeft de robot instructies in gewone Engelse taal, zoals "Maak het snel en veilig." De robot, aangedreven door een Large Language Model (een AI die code leest en schrijft), probeert de opdracht uit te voeren. Maar hier komt de crux: de robot is geweldig in het schrijven van het idee van de code, maar hij vergeet vaak de kleine, saaie regels die echte machines nodig hebben om daadwerkelijk te werken, zoals hoeveel stroom ze verbruiken of of de onderdelen wel in elkaar passen. Dit is de wereld van High-Level Synthesis (HLS), waar mensen proberen AI te gebruiken om eenvoudige ideeën om te zetten in werkelijke hardwareontwerpen voor chips. De grote vraag is niet alleen: "Kan de AI code schrijven?", maar "Kan de AI iets bouwen dat daadwerkelijk werkt op een echt bord zonder dat wij elke fout met de hand moeten herstellen?"

Dit is waar een team onderzoekers van de Beijing University of Technology met een nieuw idee komt genaamd ContractHIL-HLS. Denk aan dit als een "slimme projectmanager" voor de AI. In plaats van de AI alleen maar heen en weer te laten chatten met jou, dwingen ze de AI om eerst een formeel "contract" te ondertekenen. Dit contract is een strikte, gestructureerde lijst met regels: "Dit is precies wat de machine moet doen, dit zijn de dingen die hij absoluut niet mag doen, en dit is hoe we het gaan testen." Als de AI de regels probeert te breken, vangt het systeem dit onmiddellijk op. Nog cooler is dat ze dit proces koppelen aan echte hardware. Als de AI een chip ontwerpt die te warm wordt of te traag is, stuurt de echte machine een "foutrapport" terug naar de AI, die vervolgens de ontwerpen moet herschrijven om de fout te herstellen. Het is als een videogame waarin het personage niet gewoon de oplossing raadt; het personage wordt geraakt door een valstrik, ziet precies waarom het faalde, en probeert het opnieuw met een beter plan.

Het Probleem: AI is Geweldig in Chatten, Slecht in Bouwen

Normaal gesproken, wanneer je een AI vraagt om hardware te ontwerpen, gedraagt het zich als een creatieve schrijver. Het genereert code op basis van jouw prompt, maar het vergeet vaak de "kleine lettertjes". Misschien gebruikt het een functie die de hardwarechip niet ondersteunt, of creëert het een ontwerp dat er op papier goed uitziet, maar crasht wanneer je het probeert uit te voeren. Eerdere methoden probeerden dit op te lossen door de AI verschillende rollen te laten spelen, zoals "Architect" of "Coder", maar de AI zou vaak vergeten wat de Architect had gezegd tegen de tijd dat de Coder aan het werk begon. De ontwerpintentie raakte verloren in het gesprek.

De onderzoekers realiseerden zich dat ze, in plaats van te vertrouwen op een lang, rommelig gesprek, een gestructureerd contract nodig hadden. Stel je voor dat je een aangepaste pizza bestelt. In plaats van alleen te zeggen: "Ik wil een heerlijke pizza," vul je een formulier in: "Deeg: Dun. Beleg: Alleen pepperoni. Geen champignons. Moet binnen 10 minuten klaar zijn." Dit formulier is het "contract". In de wereld van chipontwerp vertaalt dit contract jouw vage idee naar een strikt pakket aan regels dat de AI moet volgen.

De Oplossing: De Three-Agent Workflow

Het team bouwde een systeem met drie gespecialiseerde "agents" (AI-helpers) die samenwerken als een goed geoliede machine:

1. De Contract Agent: Deze agent neemt jouw rommelige, natuurlijke taalverzoek (bijv. "Maak een veilig berichten systeem") en zet dit om in dat strikte "pizza-bestel" contract. Het definieert de interface, de beperkingen (wat verboden is) en de regels voor het testen.
2. De HTML Agent: Deze agent neemt het contract en zet dit om in een schone, gestructureerde webpagina (HTML). Waarom een webpagina? Omdat het gemakkelijk is voor mensen om te lezen, gemakkelijk voor de volgende AI-agent om te begrijpen, en gemakkelijk voor computerscripts om te controleren. Het dient als een permanent, onveranderlijk verslag van de regels.
3. De Hardware-in-the-Loop (HIL) Agent: Dit is de bouwer. Het kijkt naar het HTML-contract, schrijft de code, en—hier zit de magie—test het vervolgens op echte hardware of simuleert het. Als de hardware zegt: "Hé, dit ontwerp gebruikt te veel geheugen," ziet de HIL-agent dit bewijs, leest het contract, en schrijft de code opnieuw om het te reparen. Als het niet kan worden gerepareerd, weet het systeem dat het moet "terugrollen" en een andere aanpak moet proberen.

Wat Ze Vonden: Kleine Winsten en Grote Sprongen

Het team testte dit systeem op twee zeer verschillende manieren om te zien of het echt werkte.

1. De "Kleine Ontwerp" Test (HLS-Eval)
Eerst testten ze het systeem op 94 kleine, standaard programmeertaken. Ze vergeleken drie methoden:

• Direct: Gewoon de AI vragen zonder speciale regels.
• Contract: Het gestructureerde contract gebruiken, maar zonder de echte hardwarefeedback.
• ContractHIL-HLS: Het volledige systeem gebruiken met zowel het contract als de hardwarefeedback.

De resultaten waren duidelijk. De "Direct"-methode slaagde ongeveer 64,0% van de tijd. Wanneer ze het Contract toevoegden, steeg het succespercentage naar 70,2%. Het volledige systeem bereikte 70,4% voor enkelvoudige pogingen en 76,6% als je de AI vijf keer de kans gaf om het te proberen. Dit bewijst dat het simpelweg dwingen van de AI om een gestructureerd contract te volgen, het veel betrouwbaarder maakt, zelfs voordat het de echte hardware aanraakt.

2. De "Echte Wereld" Test (PQC Case Study)
Kleine tests zijn goed, maar werken ze ook voor grote, complexe systemen? Om dit te achterhalen, bouwde het team een versneller voor beveiligde berichten met behulp van Post-Quantum Cryptography (PQC)—een superveilige manier om berichten te versturen die zelfs toekomstige quantumcomputers niet kunnen kraken. Dit is een enorme technische uitdaging waarbij geheugen, timing en vermogen komen kijken.

Ze begonnen met één enkel ontwerp (één "bitstream") dat 207,3 ms nodig had om een bericht te verwerken. Het systeem analyseerde de hardwarefeedback en merkte op dat het ontwerp te vol en te traag was. Volgens de regels van het contract splitste de AI het ontwerp op in twee afzonderlijke delen (een "dual-bitstream" organisatie). Eén deel regelde het verzenden en het andere deel het ontvangen.

Het resultaat? Het nieuwe ontwerp verwerkte berichten in slechts 52,4 ms. Dat is een enorme versnelling! Het verbruikte ook minder stroom en voldeed aan alle timingcontroles. Het systeem gebruikte succesvol het "contract" om de AI te leiden van een traag, enkelvoudig ontwerp naar een snel, gesplitst ontwerp, terwijl de beveiligingsregels intact bleven.

Waarom Dit Belangrijk Is

Het paper laat zien dat we niet hoeven te wachten tot AI uit zichzelf een "genie" wordt. In plaats daarvan kunnen we een workflow bouwen waarbij de AI wordt geleid door een strikt, onbreekbaar contract en gecorrigeerd wordt door bewijs uit de echte wereld. De onderzoekers ontdekten dat deze aanpak de AI niet alleen sneller code laat schrijven; het zorgt ervoor dat de code ook daadwerkelijk werkt.

Het paper merkt echter voorzichtig op dat dit geen wondermiddel is voor alles. In hun tests was er één groep taken (genaamd "machsuite") waarbij de AI, zelfs met het contract, nog steeds volledig faalde. Dit suggereert dat hoewel het contract de AI helpt om regels te volgen, het niets kan uitrichten als de AI de onderliggende wiskunde of logica simpelweg nog niet begrijpt.

Kortom, ContractHIL-HLS is een brug tussen de rommelige wereld van menselijke ideeën en de rigide wereld van hardwarechips. Het verandert de AI van een creatieve schrijver in een gedisciplineerde ingenieur, waardoor wordt gegarandeerd dat wanneer we vragen om een veilige, snelle machine, we er ook daadwerkelijk een krijgen die werkt.