AMSNet

AMSNet是由宁波数字孪生研究所创建的一个专注于模拟/混合信号(AMS)电路的数据集，包含894个晶体管级别的电路原理图及其对应的SPICE格式网表。该数据集通过自动化的技术从教科书中收集电路组件，并使用YOLO-V8模型进行对象检测，以高效地生成电路原理图。AMSNet旨在通过提供丰富的电路数据，支持多模态大型语言模型(MLLMs)在AMS电路设计中的应用，特别是在自动生成电路拓扑方面。该数据集的应用领域包括加速AMS电路设计的自动化和优化，以及支持AI在电子设计自动化(EDA)中的应用。

AMSNet is a dataset focused on analog/mixed-signal (AMS) circuits, created by the Ningbo Institute of Digital Twin. It contains 894 transistor-level circuit schematics and their corresponding SPICE-format netlists. This dataset collects circuit components from textbooks via automated techniques, and uses the YOLO-V8 model for object detection to efficiently generate circuit schematics. AMSNet aims to support the application of multimodal large language models (MLLMs) in AMS circuit design, particularly in automatic circuit topology generation, by providing abundant circuit data. Its application scenarios include accelerating the automation and optimization of AMS circuit design, as well as supporting the application of AI in electronic design automation (EDA).

搜集汇总

数据集介绍

构建方式

AMSNet数据集的构建主要分为三个步骤：组件检测、网络检测和网表生成。首先，通过利用YOLO-V8对象检测模型，对电路图中的组件进行自动识别和标注。然后，利用搜索算法将检测到的组件组装成完整的电路图。接着，对电路图中的网络连接进行识别，并解决电路图中可能存在的连接错误。最后，根据电路图中组件的连接关系生成对应的SPICE格式网表。

特点

AMSNet数据集的特点在于它包含了大量的晶体管级电路图和对应的SPICE格式网表，可以为多模态大型语言模型（MLLM）在AMS电路设计中的应用提供数据支持。此外，AMSNet数据集的规模和电路复杂性也在不断扩展，可以进一步包括晶体管尺寸和性能规范，为构建多模态大型电路模型（LCM）提供重要基础。

使用方法

使用AMSNet数据集的方法主要包括：1. 使用YOLO-V8对象检测模型对电路图中的组件进行自动识别和标注；2. 利用搜索算法将检测到的组件组装成完整的电路图；3. 对电路图中的网络连接进行识别，并解决电路图中可能存在的连接错误；4. 根据电路图中组件的连接关系生成对应的SPICE格式网表。此外，还可以利用AMSNet数据集进行功能宏识别、自动AMS前端设计等。

背景与挑战

背景概述

在集成电路设计自动化（EDA）领域，数字电路合成已经得到了广泛的应用，并且显著提升了数字集成电路设计的复杂性。然而，模拟/混合信号（AMS）电路的合成技术尚未达到同样的成熟水平。AMS电路设计目前仍然高度依赖于手动选择电路拓扑和元器件尺寸。随着电路设计规模的快速增长，手动实现高维度的优化意味着设计周期过长和劳动成本高昂。因此，实现AMS电路的敏捷或自动设计将成为全球集成电路设计技术的一个关键突破。

当前挑战

使用多模态大型语言模型（MLLMs）进行自动AMS电路生成的一个瓶颈是缺乏一个全面的、描述原理图和网表之间关系的数据集。当前，AMS电路的大量数据，包括原理图、网表和定量的仿真结果，在线上可以获得。然而，这些信息通常只存在于必要的模式中的一种，这使得跨模态信息的提取变得复杂。此外，现有的MLLMs在提取晶体管级别的网表方面存在局限性。AMSNet的构建旨在通过自动将原理图转换为网表，并提供一个包含晶体管级原理图及其相应SPICE格式网表的数据集，以解决这些挑战。

常用场景

经典使用场景

AMSNet数据集在模拟/混合信号(AMS)集成电路(IC)设计自动化中发挥着重要作用。该数据集包含晶体管级别的原理图和相应的SPICE格式网表，为多模态大型语言模型(MLLMs)在AMS电路设计中的应用提供了基础。MLLMs如GPT-4和Gemini在自动AMS电路生成方面展现出巨大潜力，而AMSNet则为这些模型提供了必要的训练数据。AMSNet的应用场景包括自动电路生成、电路功能识别、电路前端设计等。

解决学术问题

AMSNet数据集解决了传统AMS电路设计中手动选择电路拓扑和组件尺寸的问题。随着电路设计规模的快速增长，手动实现高维度的优化意味着设计周期过长和劳动力成本过高。AMSNet通过提供晶体管级别的原理图和网表，使得MLLMs能够自动生成AMS电路，从而缩短设计周期并降低成本。此外，AMSNet还为电路功能识别和电路前端设计提供了数据支持，有助于提高电路设计的自动化程度。

衍生相关工作

AMSNet数据集的建立为AMS电路设计自动化和MLLMs的应用提供了新的研究方向。在此基础上，可以进一步研究MLLMs在AMS电路设计中的应用，例如自动生成电路拓扑、优化电路参数、预测电路性能等。此外，AMSNet还可以与其他数据集结合，构建更全面的电路设计自动化平台，为AMS电路设计提供更强大的支持。