华为发布工业软件五大难题之基于预训练AI模型的元件库生成

信息来源：

中国科学院数学与系统科学研究院—华为 π实验室

技术背景

1. 元件库的Symbol、2D封装，3D结构当前都是根据数据手册手工绘制，每个元件需要花费数小时绘制，每一家电子公司都需要花费大量人力处理；每年行业有数以万计的新元件诞生，迫切需要更为快捷的元器件库生成技术。

2. 传统的元件商城、第三方库提供商开发了自动生成技术，本质上还是规则驱动的自动化技术，泛化性和准确性差，后端需要大量的人工check和修改工作，迫切需要新技术加以改善。

3. 基于多模态预训练模型，能很好识别元件手册上的图文内容，与现有建库工具结合，有潜力按标准生成各种库模型。

技术挑战

传统算法基于规则驱动的自动化设计技术，泛化性和准确性差，后端需要大量的人工check和修改工作。

多模态预训练模型有很好的语义理解、文本/表格/图形识别能力，可以很好解决泛化性问题，但对2D、3D物理图的高精度生成存在很大挑战。

技术诉求

技术需求：

提供基于多模态的专业电路设计预训练模型，输入元件Datasheet，输出该元件

Symbol符号库文件和封装图形库文件的生成，支持3D模型文件的生成。

技术指标：

1. 对于任意可解析、不加密、信息完整的Datasheet，Symbol符号库文件生成信息准确性大于99%；

2. 对于任意可解析、不加密、信息完整的Datasheet，封装图形库文件生成，图形精度0.01mm，识别信息描述准确性大于99%；

3. 对于任意可解析、不加密、信息完整的Datasheet， 3D模型文件生成，图形精度0.01mm。

集成需求：

集成华为云pEDA工具链EDM产品

约束条件：

使用预训练模型开发

参考文献

[1] S. Mori, Historical review of OCR research and development, 1992

[2] Tarek Ahmed Ibrahim Abdelaziz, Applications of integration of AI-based Optical Character

Recognition (OCR) and Generative AI in Document Understanding and Processing, 2023

[3] Fanghao Tian, Automatic Data Extraction Based on Semiconductor Datasheet for Design

Automation of Power Converters, 2022