用LLM做半导体设计，IBM&MIT提出受神经启发的LLM推理网络SOLOMON

文章预览

将  ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑丨coisini 尽管大型语言模型（LLM）擅长复杂推理，但在适应特定领域时仍面临挑战，尤其是在需要空间推理和解决结构化问题的领域。半导体布局设计就是一个典型例子，AI 工具必须理解几何约束并确保组件的精确布局。 基于此，来自 IBM TJ 沃森研究中心和 MIT-IBM 沃森人工智能实验室的研究人员提出了一种受神经启发的 LLM 推理网络 ——SOLOMON，旨在增强领域特定的适应性。与传统方法不同，SOLOMON 采用多智能体推理系统，动态处理空间约束和几何关系。 论文地址： https://arxiv.org/pdf/2502.04384 SOLOMON 框架集成了思维评估机制，通过迭代优化输出，提高解决问题的准确性。SOLOMON 利用提示工程（prompt engineering）来引导 LLM 生成解决方案，使其能够以最少的重新训练适应半导体布局任务。 ………………………………