AgenticSizing：基于大语言模型的多智能体模拟电路尺寸设计框架

该论文提出 AgenticSizing，一个基于 LLM 的多智能体框架，用于复杂模拟电路尺寸设计。框架先分析电路拓扑，将网表拆解为功能模块与子结构，并提取可复用的轻量设计知识；再由规划器协调多个角色专用智能体更新设计变量，达成全局性能指标。方法在八个电路上验证，最大设计含 55 个晶体管和 60 个尺寸变量；在 LDO 基准上以平均 83 次迭代取得 60% 成功率，而经典优化器未能找到可行解。

此前的 LLM 电路尺寸方法多缺少显式拓扑理解，且主要在较简单的模拟模块上评估。该工作把评估对象扩展到含 55 个晶体管、60 个尺寸变量的复杂电路，并在经典优化器失效的 LDO 基准上给出可行解，说明 LLM 方法开始进入传统优化难以覆盖的复杂模拟设计场景。

机制上，框架先用拓扑分析把大网表分解为功能块与子结构，降低搜索维度；再抽取轻量设计知识供复用，减少重复试错；最后由规划器调度角色专用智能体，分工更新设计变量并调用仿真闭环，模拟专家团队协作，使优化过程结构化且可解释。消融研究显示拓扑理解、设计知识注入与智能体专业化三者互补。

对模拟电路研发流程，该方法指向把尺寸设计从人工反复调参转为仿真驱动的智能体协作流程，可能缩短迭代轮次并降低对资深模拟工程师的依赖。其拓扑分解与知识复用结构可嵌入现有 EDA 工具链，但论文未给出与商业工具集成或流片验证的证据，落地仍需评估。

• 将拓扑分解与功能块识别封装为 EDA 前置插件，对输入网表自动生成结构化设计知识，供后续尺寸优化复用。
• 在 LDO、放大器等常用模拟模块上复现该框架并公开迭代次数与成功率，形成可与经典优化器对比的基准数据集。
• 围绕角色专用智能体设计可配置的提示与仿真调度接口，让设计团队按电路类型替换规划器策略。
• 把轻量设计知识库做成可版本管理的团队资产，记录哪些拓扑约束与经验在哪些电路上有效。

• 该框架在八个电路上的成功率、迭代成本与运行时间是否全部公开，是否包含失败案例？
• 与经典优化器的对比是否在同一仿真预算和工艺节点下进行，是否经过同行评审？
• 提取的轻量设计知识能否跨工艺节点或跨电路类型迁移复用？
• 是否有流片或硅验证结果支持其生成方案的实际可制造性？