英偉達參與合作，華人團隊打造AI芯片算法HeaRT，推理準確率超97%

說一句話就能設計模擬芯片的時代來了？假如你想做一個智能花盆，讓花盆可以根據土壤濕度自動澆水，那么你需要一棵專門的芯片來控制。現在，你只需要告訴一款 AI 算法你需要一個能夠檢測濕度、控制水泵和功耗盡可能低的芯片，軟件就能自動從數據庫里找出最合適的設計方案，甚至幫你把具體參數都算好。

你不需要了解晶體管的工作原理，也不需要知道電路怎么畫，只需要“會說人話”，就能設計專屬于自己的芯片。這便是美國德州大學奧斯汀分校潘志剛（David Z. Pan）教授和英偉達等合作者打造的一款名為 HeaRT 的 AI 算法。

HeaRT 能學會人類設計師的思維方式，它會把一個復雜的電路像剝洋蔥一樣一層一層剝開，先找到電流的主干道，然后沿著主干道找到一個個功能模塊，再把這些模塊拆成更小的子模塊。最終，整個復雜的電路變成了一棵有層次的電路思維樹。

測試中，面對 40 個不同復雜程度的電路，HeaRT 從最簡單的幾十個元件到最復雜的幾百個元件，它的推理準確率始終保持在 97% 以上，一次成功的概率超過 98%。也就是說，它基本不會出錯，而且第一次就能給出正確答案。

更令人驚訝的是它的速度，它只需要查看不到一半的電路，就能準確理解整個電路。在處理復雜電路時，它的實時效率是傳統方法的兩倍之多。

（來源：https://arxiv.org/pdf/2511.19669）

潘志剛告訴 DeepTech：“其靈感來源于人類電路設計中所采用的層次化抽象原則，而這一視角在既有研究中長期被忽視。通過構建一個仿照人類設計思維的層次化電路推理樹（Hierarchical Circuit Reasoning Tree），HeaRT 實現了高效、實時且具備上下文感知能力的推理，并能夠生成與具體查詢條件相關的推理軌跡，從而顯著提升可解釋性、可調試性以及推理驅動的下游應用能力。”

他繼續說道：“根據我們與英偉達的研究人員以及多家領先公司的模擬及混合信號（AMS，Analog and Mixed-Signal）設計工程師的早期交流反饋，這項工作獲得了非常積極的反響。”

HeaRT 并非一次性看完整個電路就完事了。而是先從上往下拆解，再從下往上理解：葉子模塊有什么作用？這些小模塊組合起來能夠實現什么功能？最終，整個電路在它腦子里不再是死板的線條，而是一個有邏輯、有層次、有功能的活生生的系統。這個過程，和人類頂級芯片設計師的思考方式一模一樣。

有了這棵電路思維樹，令人意想不到的事情發生了。以前修改電路設計方案，就像裝修房子一樣要砸承重墻，牽一發而動全身。想優化一點點性能，可能得把整個電路重新設計一遍。芯片設計師們把這叫做災難性遺忘。之前辛辛苦苦設計的模塊，改著改著就忘了為什么這樣設計，最后只能推倒重來。

HeaRT 不一樣。它知道電路里哪些是承重墻，哪些是隔斷墻。當設計要求發生變化，比如需要手機芯片變得更加省電，它不會把整個電路發個底朝天，而是會精準定位到最影響功耗的那幾個模塊，只對這些模塊加以優化，其他部分原封不動。

這意味著 HeaRT 將模擬芯片設計從少數精英的專屬技能，變成了每個人都能接觸的工具。在實驗中，HeaRT 已經展現出了這種能力。當要求其優化一個模擬前端電路并降低噪聲的時候，它準確找到了最影響噪聲的第一級放大模塊，從數據庫中檢索出更加適合低噪聲的架構，直接完成了傳統方法需要多次迭代才能實現的優化，最終性能提升了 60% 一樣，而設計思路的保留程度高達 59%。

（來源：https://arxiv.org/pdf/2511.19669）

潘志剛告訴 DeepTech：“我們的研究表明，基于層次化推理的方法可以在 AMS 設計自動化領域取得實質性突破。通過 HeaRT，我們首次將可解釋推理系統性地引入一個長期依賴啟發式黑箱方法的領域，使電路理解和分析變得清晰、可追溯。”

實驗結果顯示，HeaRT 在推理質量上顯著優于現有基于大模型的系統。更重要的是，他們首次系統性地強調了具備范圍約束的自適應設計流程的重要性，該流程能夠在規格變化時動態地進行拓撲檢索與尺寸調整，僅修改必要的電路部分，從而真正實現設計意圖的保留，而非每次都從零開始重新設計。

得益于其基爾霍夫電流定律（KCL，Kirchhoff's Current Laws）一致的推理樹結構，HeaRT 支持即插即用的模塊化設計，使得不同抽象層級下的功能架構可以相互替換，同時保持電氣正確性。這為在僅靠尺寸調整無法滿足規格時，進行符合設計直覺的拓撲修改提供了清晰路徑。此外，HeaRT 對不同類別的優化算法表現出良好的優化器無關性，進一步增強了魯棒性與通用性。

（來源：https://arxiv.org/pdf/2511.19669）

潘志剛表示：“未來，我們已經規劃了多條后續研究方向。其中一個重要方向是將 HeaRT 的層次化電路推理能力擴展到版圖設計領域，這是減少當前設計流程中啟發式依賴的自然下一步。雖然相關工作仍在進行中，細節暫不便公開，但我們的長期目標是構建一個從規格到可流片 GDSII 流格式（GDS，Graphic Design System）的端到端 AMS。”

本次論文已經展示了若干具有代表性的下游優化場景，說明該框架如何為 AMS 設計自動化打開多條具有前景的發展路徑。“我們目前也正在積極探索更加深入和復雜的應用方向，以進一步擴展并強化這些理念。”他說。

參考資料：

相關論文https://arxiv.org/pdf/2511.19669

排版：胡巍巍