PICopilot: An LLM-based Agentic Framework for Assisting Photonic Integrated Circuit Design via Script Generation

📄 arXiv: 2608.01791v1 📥 PDF

作者: Xiaohan Jiang, Zeyu Li, Wei Zhang, Jiang Xu

分类: cs.ET, cs.AI

发布日期: 2026-08-03

备注: 9 pages

💡 一句话要点

提出PICopilot以解决光子集成电路设计中的脚本生成问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 光子集成电路 脚本生成 大型语言模型 自动化设计 多代理架构 检索增强生成 设计效率 自然语言处理

📋 核心要点

  1. 现有的脚本设计方法要求设计师具备较高的编程能力，且相较于GUI方法，脚本设计更为复杂和不直观。
  2. PICopilot通过自然语言指令自动生成设计脚本，采用多代理架构和反馈机制，旨在提高设计效率和准确性。
  3. 实验结果显示，PICopilot在48项任务中均成功完成，并在性能上超越了其他LLM方法，展现出显著的优势。

📝 摘要（中文）

光子集成电路（PIC）的快速发展使得设计流程逐渐从传统的图形用户界面（GUI）方法转向基于脚本的方法，以提高灵活性、可移植性和可维护性。然而，脚本设计带来了新的挑战，要求设计师具备工具应用程序接口（API）和编程的额外能力，且相较于GUI方法，脚本方法更为复杂且不直观。为了解决这一问题，本文提出了PICopilot，这是第一个基于大型语言模型（LLM）的代理框架，通过自然语言指令自动生成设计脚本，辅助PIC设计。PICopilot采用多代理架构和反馈机制，以及专门设计的检索增强生成（RAG）流程，取得了高成功率和可靠性。实验结果表明，PICopilot成功完成了48项任务，并在不增加显著延迟或成本的情况下，超越了其他基于LLM的方法，甚至比先进的GPT-5模型多解决了21项任务。

🔬 方法详解

问题定义：本文旨在解决光子集成电路设计中脚本生成的复杂性问题。现有方法对设计师的编程能力要求较高，导致设计效率低下。

核心思路：PICopilot的核心思路是利用大型语言模型（LLM）自动生成设计脚本，降低设计门槛，使设计师能够通过自然语言指令进行设计。

技术框架：PICopilot采用多代理架构，结合反馈机制和检索增强生成（RAG）流程。整体流程包括自然语言输入、脚本生成、反馈调整和结果验证等主要模块。

关键创新：PICopilot的创新在于其多代理架构和反馈机制的结合，能够有效提高脚本生成的准确性和可靠性，与传统方法相比，显著降低了设计复杂性。

关键设计：在设计中，PICopilot使用了特定的参数设置和损失函数，以优化脚本生成的质量。此外，网络结构经过精心设计，以适应光子集成电路的特定需求。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，PICopilot成功完成了48项不同的脚本任务，超越了其他基于LLM的方法，尤其是在解决任务数量上，比先进的GPT-5模型多解决了21项任务，且未增加显著的延迟或成本。

🎯 应用场景

PICopilot在光子集成电路设计领域具有广泛的应用潜力，能够帮助设计师快速生成高质量的设计脚本，降低对编程能力的依赖。该技术的应用将推动光子集成电路的设计效率提升，促进相关技术的快速发展和创新。

📄 摘要（原文）

The rapid development of photonic integrated circuits (PICs) is shifting the design flow from traditional graphical user interface (GUI)-based methods to script-based methods for higher flexibility, portability, and maintainability. However, script-based design introduces new challenges, requiring designers to possess additional proficiency in tool application programming interfaces (APIs) and programming. It also demands greater effort and time because it is inherently less intuitive and more complex than GUI-based methods. As PICs grow in scale and complexity, the productivity gap between design needs and manual scripting capabilities continues to widen. To address this gap, we introduce PICopilot, the first large language model (LLM)-based agentic framework that assists in PIC design via automated design script generation from natural language instructions. PICopilot leverages a multi-agent architecture with a feedback mechanism and a specifically designed retrieval-augmented generation (RAG) pipeline, achieving a high success rate and reliability. Experimental results on a benchmark of diverse PIC scripting tasks demonstrate that PICopilot successfully completes all 48 tasks and outperforms other LLM-based approaches without incurring substantial extra latency or cost, even solving 21 more tasks than the advanced GPT-5 model with a general RAG pipeline.