類比電路佈局的AI革命：提示詞優化的突破

類比電路佈局是電子設計自動化（EDA）中最具挑戰性的任務之一，需要在面積、功耗、效能和訊號完整性之間取得複雜平衡。傳統上，這項工作高度依賴資深工程師的經驗和直覺，且需要大量標註資料進行機器學習模型的訓練。然而，最新研究顯示，透過精心設計的提示詞優化策略，AI模型可以在零訓練資料的情況下，達到專家品質的97%。

這項突破的核心在於「提示詞工程」（Prompt Engineering）的力量。不同於傳統的監督式學習需要昂貴的標註資料，優化後的提示詞能夠激發大型語言模型（LLM）本身具備的電路設計知識，實現高效能的類比佈局任務。

為什麼類比電路佈局如此困難？

類比電路佈局與數位電路有本質上的不同，主要挑戰包括：

  • 連續性約束：類比訊號需要考慮匹配性、對稱性和佈線長度
  • 多重目標優化：同時最小化晶片面積、功耗和雜訊
  • 專家知識依賴：需要理解電晶體行為、寄生效應和製造限制
  • 缺乏明確規則：許多設計決策依賴經驗法則，難以形式化

這些特性使得類比佈局長期被視為AI輔助設計中最困難的領域之一，也讓這項「零訓練資料達97%專家品質」的成果格外具有意義。

提示詞優化的關鍵策略

研究團隊採用的提示詞優化方法包含以下幾個核心策略：

1. 任務分解式提示

將複雜的佈局任務拆解為子問題，每個子問題使用專門設計的提示詞。例如：

任務：為運算放大器設計版圖
步驟1：識別關鍵電晶體對（如差動對）
步驟2：確定匹配要求（手指數、方向、隔離）
步驟3：規劃電源和接地匯流排
步驟4：優化訊號路徑佈局

2. 領域知識注入

在提示詞中加入類比電路設計的專業術語和原則：

  • 電容耦合效應考量
  • 共用 centroid 佈局技術
  • 隔離環（guard ring）設置規則
  • 金屬層使用策略

3. 範例引導（Few-shot Prompting）

提供2-3個高品質的類比佈局範例作為參考，引導模型理解專家的設計邏輯和決策方式。

實作步驟：如何應用此方法

若您希望在自己的類比電路設計工作中嘗試提示詞優化，可遵循以下步驟：

  1. 定義電路規格：明確輸入電路類型、性能指標和設計約束
  2. 設計分層提示詞：建立任務說明、領域知識和輸出格式的完整提示
  3. 迭代優化：根據輸出結果調整提示詞，逐步提升品質
  4. 驗證與評估：使用專業EDA工具驗證佈局的電性正確性

成果與未來展望

這項研究的意義不僅在於97%這個數字，更在於它展示了提示詞工程在專業工程領域的巨大潛力。透過精心設計的提示詞，我們可以讓AI模型在沒有任何特定領域訓練資料的情況下，展現出接近人類專家的能力。

未來，這種方法可進一步擴展至其他電子設計任務，如射頻電路佈局、混合訊號系統設計等，為半導體產業的AI輔助設計開啟新的可能性。