AIはサーキットボードを設計できるか？EEBenchの評価
मूल शीर्षक: Can AI design circuit boards yet?
यह क्यों महत्वपूर्ण है
AIによる電子回路設計の実用的な品質評価基準が確立されることで、EDAツールへのAI統合の進展度を客観的に測定できるようになる。
EEBenchは、AIが設計した回路基板の品質を測定するベンチマークを開発中である。OpenAIがGPT-6 AstraをKiCadで動作させるデモを公開したことを受け、AIによる電子設計の実用性を検証する取り組みが注目されている。
EEBenchは、AIモデルが生成する電子回路の品質を測定するためのベンチマーク「EEBench V1」を構築している。OpenAIがGPT-6 AstraをKiCadで回路基板設計に使用するデモを公開したことがきっかけで、この評価手法への関心が高まっている。
EEBenchは、GUIベースのCADツールではなく、宣言型コードで回路を記述できる「atopile」を採用している。これにより、AIエージェントはコンポーネント、接続、電気的制約を直接操作でき、設計・ビルド・シミュレーション・エラー確認を一貫して行える。GUIでの操作に比べ、より多くのコンテキストを電子設計そのものに充てられる。
公開タスクの一例として、住宅用電力メーターの回路設計がある。5V電源が失われた際に、プロセッサーを20ms間動作させ続け、積算値を保存できるようにする回路が求められる。保護レールはその間、3.0Vのブラウンアウト閾値を上回り続けなければならない。
あるモデルが提出した設計では、公称22µFのコンデンサーを使用していたが、4.7Vのバイアス下では実効容量が11.4µFにしかならず、必要な545µFを大幅に下回った。シミュレーション結果では、保護レールが0.85ms後に3V以下に低下し、要求される20msを達成できなかった。コードのビルドは成功しても、回路として機能しなかった事例である。
EEBenchは電圧の推移、実効容量、電源復帰後の回復特性、パッケージ・誘電体・耐電圧・コストの制約を総合的に評価する。より難易度の高いタスクでは、多重帰還型ローパスフィルターの設計など、アナログ回路の深い知識を要する課題も含まれる。