Zero-Shot RTL Code Generation with Attention Sink Augmented Large Language Models

本文讨论了利用大型语言模型简化硬件设计代码生成过程的可能性。与早期研究不同，本文旨在利用大型语言模型，通过单个提示接受高级设计规范，生成相应的寄存器传输级（RTL）代码。使用大型语言模型进行RTL代码生成的能力不仅加快了设计迭代周期，而且还便于探索传统技术面临计算挑战的设计空间。通过我们的评估，我们展示了现有注意力机制的缺点，并展示了当使用新型注意力机制时，语言模型产生功能、优化和符合工业标准的RTL代码的能力。这些发现强调了大型语言模型在塑造未来硬件设计中的架构探索和自动化方面的不断扩大的作用。

使用大型语言模型简化硬件设计中的代码生成过程

使用大型语言模型接受高级设计规范，生成相应的RTL代码，加速设计迭代周期，探索传统技术难以解决的设计空间

论文使用了一种新的注意力机制来生成功能性、优化的、符合行业标准的RTL代码，实验结果表明该方法的有效性。此外，该方法还可以大大简化硬件设计中代码生成的流程，为未来的架构探索和自动化提供可能。

最近的相关研究包括：1.《利用深度学习进行硬件生成的综述》；2.《使用神经网络生成硬件描述语言代码的研究》；3.《深度学习在硬件设计中的应用》等。