AnalogRetriever: Framework AI per la Ricerca Cross-Modale di Circuiti Analogici

AnalogRetriever funge da sistema di recupero tri-modale completo progettato per la ricerca di circuiti analogici, affrontando il problema della navigazione tra diverse rappresentazioni, tra cui netlist SPICE, schemi e descrizioni funzionali. Gli approcci attuali sono limitati a corrispondenze esatte all'interno di una singola modalità, il che limita la loro capacità di comprendere le connessioni semantiche cross-modali. Questo framework migliora un dataset di alta qualità basato su Masala-CHAI attraverso un processo di riparazione in due fasi, aumentando il tasso di compilazione delle netlist dal 22% al 100%. AnalogRetriever utilizza un modello visione-linguaggio per codificare schemi e descrizioni, mentre impiega una rete convoluzionale grafica relazionale sensibile alle porte per le netlist, allineando tutte e tre le modalità in uno spazio di embedding unificato attraverso l'apprendimento contrastivo curriculare. I risultati sperimentali indicano che AnalogRetriever raggiunge un a.