Naukowcy opracowali PICasso - AI-asystentę ramę do zautomatyzowanego syntezu i optymalizacji fotonicznych układów scalonych bezpośrednio z opisów w języku naturalnym. System połączył strukturalny pipeline generacji (od tekstu naturalnego przez YAML po GDS - format projektowy) z wiedzą dostosowaną do procesu produkcji, automatycznym routingiem oraz symulacją fotodetekcji bazującą na pakiecie SAX. To pozwala projektantom zamiast pisania skomplikowanego kodu opisać układ słowami, a AI zajmuje się szczegółami implementacji i optymalizacją.
Do oceny potencjału systemów AI w fotonicznych projektach zespół stworzył PIC-Set - benchmark zawierający 36 sParametryzowanych zadań projektowych obejmujących podstawowe komponenty fotoniczne i złożone wieloelementowe obwody. Testy wykazały, że PICasso znacząco przewyższa surowe generowanie LLM-ami, osiągając strukturalną dokładność Spec@3 na poziomie 92,7% dla bardziej skomplikowanych obwodów i funkcjonalną dokładność do 52%. Co ważne, optymalizacja sterowana symulacją zmniejszyła średnie straty sygnału z 4,98 dB do 3,25 dB - poprawa o 1,74 dB.
Wyniki pokazują, że integracja dziedzinowych ograniczeń, fizycznej weryfikacji projektów i sprzężenia zwrotnego z symulacji przekształca duże modele jezykowe z podatnych generatorów kodu w praktycznych agentów projektowych. PICasso demonstruje, że AI może być użytecznym narzędziem dla specjalistów ds. fotonicznych układów scalonych, automatyzując nudne, powtarzalne zadania projektowe i optymalizacyjne, co skraca czas od koncepcji do gotowego do produkcji układu.