「ひと言話すだけでアナログチップを設計できる時代が来たのか？」

たとえば、土壌の湿度に応じて自動で水やりを行うスマート植木鉢を作りたいとする。そのためには、湿度を検知し、水ポンプを制御し、しかも消費電力をできるだけ抑える専用チップが必要になる。

しかし今は、AIアルゴリズムに「湿度を検知でき、水ポンプを制御でき、低消費電力のチップがほしい」と伝えるだけでよい。ソフトウェアがデータベースから最適な設計案を自動的に抽出し、具体的な回路パラメータまで計算してくれる。

トランジスタの動作原理を理解する必要も、回路図の描き方を知る必要もない。「普通の言葉で要件を伝える」だけで、専用チップを設計できる世界が現実になりつつある。

これを実現したのが、テキサス大学オースティン校のDavid Z. Pan教授と、NVIDIAなどの協力によって開発されたAIアルゴリズム「HeaRT」である。

HeaRTは、人間の設計者の思考プロセスを学習する。複雑な回路を玉ねぎの皮をむくように段階的に分解し、まず電流の主幹経路を特定する。そこから各機能モジュールを抽出し、さらにそれらをより小さなサブモジュールへと分解する。最終的に、複雑な回路全体を階層構造を持つ「回路思考ツリー」として再構築する。

テストでは、複雑さの異なる40種類の回路を対象に検証を実施。部品数が数十点規模の単純な回路から、数百点規模の複雑な回路まで、推論精度は常に97％以上を維持した。初回で正解に到達する確率は98％を超える。つまり、ほとんど誤りがなく、一度で正しい設計解にたどり着く。

さらに注目すべきは速度である。回路全体の半分にも満たない情報を確認するだけで、全体構造を正確に把握する。複雑回路の処理においては、従来手法の2倍以上のリアルタイム効率を実現した。

Pan教授はDeepTechの取材に対し、次のように語っている。

「着想の源は、人間の回路設計で用いられてきた“階層的抽象”の原則にある。この視点は従来研究で長らく軽視されてきた。人間の設計思考を模倣した階層型の回路推論ツリー（Hierarchical Circuit Reasoning Tree）を構築することで、HeaRTは高効率かつリアルタイム、さらに文脈認識型の推論を実現した。加えて、個々の問い合わせ条件に対応した推論プロセスを生成できるため、説明可能性、デバッグ容易性、そして推論駆動型の下流アプリケーション能力を大幅に高めることができた」

さらに彼はこう続ける。

「NVIDIAの研究者や、複数の先進企業に所属するアナログ／ミックスドシグナル（AMS）設計エンジニアとの初期段階の議論では、非常に前向きな反応が得られている」

HeaRTは回路全体を一度に読み取って終わり、という仕組みではない。まず上位構造から下位へと分解し、その後、下位から上位へと意味を統合していく。末端のモジュールは何を担っているのか。それらが組み合わさるとどのような機能を実現するのか。最終的に回路は、単なる線の集合ではなく、論理と階層、機能を備えた“生きたシステム”として内部に再構築される。この思考プロセスは、熟練したトップクラスのチップ設計者のそれとほぼ同じである。

この「回路思考ツリー」を持つことで、設計変更のあり方が根本から変わる。従来、回路設計の修正は住宅のリフォームに似ていた。少し性能を改善しようとすると、構造壁を壊すように全体へ波及し、場合によっては一から設計し直さなければならなかった。設計者の間では、これを「壊滅的忘却」と呼ぶ。変更を重ねるうちに、なぜその構成にしたのかという設計意図まで失われ、最終的に全面的なやり直しに陥る現象である。

HeaRTは異なる。回路の中で何が「構造壁」にあたり、何が「間仕切り」に過ぎないのかを理解している。たとえば、スマートフォン向けチップの消費電力をさらに下げる必要が生じた場合でも、回路全体を作り直すことはしない。消費電力に最も影響するモジュールを正確に特定し、その部分だけを最適化する。他の部分は維持したまま設計改善を行う。

これは、アナログチップ設計を一部の熟練エリートの専有技術から、より広範な人々が扱えるツールへと変える可能性を意味する。

実験でもその能力は示された。あるアナログ・フロントエンド回路のノイズ低減を求められた際、HeaRTはノイズに最も影響を与えていた初段増幅モジュールを正確に特定。データベースから低ノイズ特性に適したアーキテクチャを検索し、従来なら複数回の反復試行を要した最適化を一度で実現した。最終的に性能は60％向上し、かつ元の設計思想の59％を保持したまま改良を達成した。

Pan教授はDeepTechの取材に対し、次のように述べている。

「我々の研究は、階層型推論に基づくアプローチがAMS設計自動化の分野において実質的なブレークスルーをもたらし得ることを示している。HeaRTによって、これまでヒューリスティックなブラックボックス手法に長く依存してきたこの領域に、説明可能な推論を初めて体系的に導入した。その結果、回路の理解と解析が明確かつ追跡可能なものになった」

実験結果でも、HeaRTは既存の大規模モデル（LLM）ベースのシステムと比べ、推論品質において顕著に優れていることが示された。

さらに重要なのは、「範囲制約を備えた適応的設計プロセス」の重要性を初めて体系的に打ち出した点にある。このプロセスでは、仕様変更が発生した際にトポロジー検索や素子サイズ調整を動的に行い、必要な回路部分だけを修正する。これにより、設計意図を保持したまま進化させることが可能となり、毎回ゼロから設計をやり直す必要がなくなる。

HeaRTの推論ツリー構造は、キルヒホッフの電流法則（KCL：Kirchhoff’s Current Law）と整合的に構築されている。このため、モジュールの“プラグアンドプレイ”型設計が可能になる。異なる抽象レベルの機能アーキテクチャ同士を相互に置き換えても、電気的整合性を維持できる。

これは、単なる素子サイズ調整だけでは仕様を満たせない場合でも、設計者の直感に沿ったトポロジー変更を行うための明確な道筋を示すものである。

さらにHeaRTは、最適化アルゴリズムの種類に依存しにくい「オプティマイザ非依存性」も示している。異なる最適化手法を用いても安定した性能を発揮できるため、システムとしてのロバスト性と汎用性が一段と高まっている。

Pan教授は次のように述べている。

「今後については、すでに複数の研究方向を計画している。その一つが、HeaRTの階層型回路推論能力をレイアウト設計分野へ拡張することだ。これは、現在の設計プロセスに残るヒューリスティック依存を減らすうえで、自然な次のステップである。関連研究は現在も進行中であり、詳細はまだ公表できないが、長期的な目標は、仕様策定から流片可能なGDSIIフォーマット（GDS：Graphic Design System）までを一貫してカバーする、エンドツーエンドのAMS設計基盤を構築することにある」

今回の論文では、いくつかの代表的な下流最適化シナリオも提示されている。それらは、このフレームワークがAMS設計自動化において、複数の有望な発展経路を切り開き得ることを示している。

「現在は、さらに高度で複雑な応用領域にも積極的に取り組んでおり、これらの理念を一層拡張・強化していく予定だ」とPan教授は語った。