Краткое содержание

arXiv:2511.07658v1 Тип объявления: новый Аннотация: Несмотря на недавние достижения в области автоматизации проектирования аналоговых схем на основе методов машинного обучения, такие как генерация топологий, подбор компонентов и синтез компоновки, эффективная оценка характеристик остаётся серьёзной проблемой. Традиционные симуляции SPICE требуют много времени, тогда как существующие методы машинного обучения часто нуждаются в переобучении под конкретную топологию либо ручном сегментировании субструктур для тонкой настройки, что ограничивает масштабируемость и адаптивность решений. В данной работе мы предлагаем ZeroSim — основанный на трансформерах фреймворк моделирования производительности, предназначенный для обеспечения надёжности обобщения внутри распределений обученных топологий при новых конфигурациях параметров и нулевого выстрела (zero-shot) обобщения на ранее невидимые топологии без какой-либо дополнительной настройки. Мы применяем три ключевые стратегии реализации: (1) разнообразный тренировочный корпус объёмом 3,6 млн экземпляров, охватывающий свыше 60 усилительных топологий, (2) унифицированные эмбеддинги топологий, использующие глобально осведомлённые токены и иерархическое внимание...