AI框架PICasso实现硅光子器件自动优化

随着人工智能技术的快速发展，其在芯片设计领域的应用日益深入。近期，一项发表在arXiv上的研究提出了一种名为PICasso的新型AI辅助设计框架，旨在实现硅光子器件的自主优化。该框架能够从自然语言规格说明出发，自动完成光子集成电路的合成、验证与优化，为光电子设计自动化提供了全新思路。

PICasso的核心是一条结构化的自然语言到GDS版图的生产流水线。用户可以用自然语言描述所需的光子器件功能，系统将将其转换为YAML格式的结构化描述，再进一步生成GDS版图文件。这一过程中，PICasso引入了PDK感知的知识注入机制，确保设计符合工艺设计套件规则，同时自动化完成布局布线和DRC/LVS验证。最终，基于SAX的光子仿真工具对设计进行性能评估，形成闭环优化。

为了系统评估AI驱动的光子设计能力，研究团队还发布了PIC-Set基准测试集，包含36个参数化设计任务，覆盖了从基础光子元件到多组件复杂电路的多种场景。在该基准上，研究团队对多种主流大语言模型进行了统一协议下的评测，并引入了几项新指标，包括结构规格满足度Spec@k、功能规格满足度、优化效率以及扰动鲁棒性等。

实验结果表明，PICasso显著提升了端到端的规格满足度。在复杂电路设计任务中，结构规格满足度在top-3候选方案中达到92.7%，功能规格满足度达到52%。相比直接使用大语言模型生成净列表的传统做法，PICasso的结构化约束和物理验证机制有效避免了AI生成结果的随意性和不稳定性。

此外，PICasso还展现出出色的性能优化能力。通过仿真引导的迭代优化，电路插入损耗的平均值从4.98分贝降至3.25分贝，实现了1.74分贝的显著改善。这一结果证明，引入结构域约束、物理验证和仿真反馈，可以将大语言模型从脆弱的网表生成器转化为实用的光子电路设计智能体，其生成的可制造版图在运行时间上也与基于图形界面的手动设计流程具有竞争力。

PICasso框架的出现，标志着AI在光子集成电路设计领域从概念验证走向工程实用。它不依赖于人工排版和手动调参，而是通过自然语言交互和自动化工具链，大幅降低了光子器件的设计门槛。这项技术有望加速硅光子技术在数据中心、通信、传感等领域的部署，推动光电子产业向智能化方向发展。

值得注意的是，PICasso所代表的AI辅助设计范式同样可迁移至其他复杂物理系统设计场景。其将自然语言理解、结构化表征、工艺约束和物理仿真相结合的方法论，为通用智能设计系统提供了有价值的参考。随着大语言模型能力的持续提升以及仿真工具的不断成熟，未来AI驱动的设计自动化有望在更多高精尖领域实现突破。