AnalogRetriever：類似回路検索のためのアナログ回路におけるクロスモーダル表現の学習

Abstract

アナログ回路設計は既存の知的財産（IP）を再利用することに大きく依存していますが、SPICEネットリスト、スケマティクス、機能記述といった異種表現にまたがって探索することは依然として困難です。既存の手法は主に単一のモダリティ内での厳密一致に限定されており、モダリティ間の意味的な関係を捉えられていません。このギャップを埋めるために、本研究ではアナログ回路検索のための統一的な三モーダル検索フレームワークであるAnalogRetrieverを提案します。まず、Masala-CHAIの上に二段階の修復パイプラインを構築することで高品質なデータセットを作成し、ネットリストのコンパイル率を22\%から100\%へ引き上げます。この基盤の上に、AnalogRetrieverはスケマティクスと記述をビジョン言語モデルでエンコードし、ネットリストをポートに配慮したリレーショナルグラフ畳み込みネットワークでエンコードすることで、カリキュラムコントラスト学習により3つのモダリティすべてを共通の埋め込み空間へ写像します。実験の結果、AnalogRetrieverは6つのすべてのモダリティ間検索方向において平均Recall@1が75.2\%に達し、既存のベースラインを大幅に上回ることが示されました。AnalogCoderのエージェント型フレームワークに、検索拡張生成モジュールとして統合すると、機能的なパス率が一貫して向上し、これまで解けなかったタスクを完了できるようになります。コードとデータセットを公開します。