AnalogScout: Simulation-Efficient PVT-Aware Analog Sizing with LLM Agents

📄 arXiv: 2610.37319v1 📥 PDF

作者: Yichen Long, Keren Zhu

分类: cs.AR, cs.AI, cs.LG

发布日期: 2026-10-27

备注: 5 pages, 5 figures, 1 table. Submitted to IEEE ISCAS 2027

💡 一句话要点

提出AnalogScout以解决模拟器件PVT敏感性优化问题

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

关键词: 模拟电路 尺寸调整 PVT优化 大型语言模型 电路设计 功耗降低 仿真效率

📋 核心要点

  1. 现有的模拟器件尺寸调整方法在PVT边界下的仿真时间过长，影响设计效率。
  2. AnalogScout通过结合设计重用和局部解析优化，显著提高了尺寸调整的效率。
  3. 在三种不同复杂度的SKY130 OTA上，AnalogScout的功耗降低了43.3%，且在预算的7.0%内达到了CMA-ES的最终功耗。

📝 摘要（中文）

模拟器件的尺寸调整必须满足在工艺、电压和温度（PVT）边界下的所有规格，以确保设计成功。然而，针对每个候选设计在所有边界下进行仿真会占用大量时间，减缓设计迭代。传统的代理优化器直接搜索尺寸空间，而最近的大型语言模型（LLM）代理则将电路知识融入设计中，但仍依赖全局优化器进行尺寸调整。本文提出了AnalogScout，一个高效的PVT感知尺寸调整框架，结合了精英设计重用、解析gm/Id局部尺寸调整和全角验证下的全局优化。实验表明，AnalogScout在相同的仿真预算下，功耗相较于进化策略CMA-ES降低了43.3%。

🔬 方法详解

问题定义：本文旨在解决模拟器件尺寸调整中，PVT边界仿真时间过长的问题。现有方法依赖于多次SPICE仿真，导致在有限的仿真预算下效率低下。

核心思路：AnalogScout通过提供可重用的验证设计和解析的尺寸子模块，减少了仿真预算的消耗，从而提高了尺寸调整的效率。

技术框架：整体架构包括设计重用模块、局部尺寸调整模块和全局优化模块，确保在全角验证下进行有效的尺寸调整。

关键创新：最重要的创新在于结合了精英设计重用与解析优化，显著降低了仿真需求，与传统方法相比，减少了对全局优化器的依赖。

关键设计：在参数设置上，采用了局部gm/Id优化策略，并在全角验证中进行全局调整，确保了设计的高效性和准确性。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果显示，AnalogScout在相同的16k仿真预算下，相较于CMA-ES降低了43.3%的功耗，并在仅使用7.0%的预算时达到了CMA-ES的最终功耗。此外，AnalogScout在所有测试的OTA上均优于贝叶斯优化和其他LLM驱动的流程。

🎯 应用场景

该研究的潜在应用领域包括集成电路设计、模拟电路优化及相关电子产品开发。通过提高尺寸调整的效率，AnalogScout能够加速设计迭代，降低功耗，提升产品性能，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

Analog device sizing must satisfy all specifications across process, voltage, and temperature (PVT) corners to ensure tape-out success, but simulating every candidate at all corners dominates the sizing time and slows design iteration. Conventional surrogate-based optimizers search the sizing space directly, while recent large language model (LLM) agents add circuit knowledge to designs but still delegate the sizes to global optimizers. Both learn the circuit response from repeated multi-corner SPICE simulations and optimize on top of it, which becomes expensive under a limited simulation budget. Providing an agent with reusable verified designs and sizing sub-blocks analytically could save most of this budget. We propose AnalogScout, a simulation-efficient PVT-aware sizing framework driven by an LLM agent. Combining elite-design reuse, analytic gm/Id local sizing and global refinement under full-corner verification, AnalogScout reduces power by 43.3% relative to the evolution strategy CMA-ES at an equal budget of 16k simulations on three SKY130 OTAs of increasing complexity, and reaches the final CMA-ES power after 7.0% of that budget. It also attains lower power than Bayesian optimization on all three OTAs and than two re-implemented LLM-driven flows on the two OTAs where they were tested.