في عالم الهندسة الكهربائية، تبرز نماذج اللغات الضخمة (Large Language Models) كأداة ثورية لتحليل الدوائر الكهربائية. ومع ذلك، فإن استخدام هذه النماذج يواجه تحدياً مزدوجاً: التوازن بين دقة التفكير وكفاءة الحوسبة. تعتمد الطرق التقليدية لتقييم أداء النماذج على قياسات ثابتة، مما يغفل الطبيعة الهرمية للمعرفة الهندسية.

لذا، نحن نقدم استراتيجية جديدة لضغط النماذج تدرك الأداء، تعتمد على الرسوم البيانية للمتطلبات (prerequisite graphs) لاختيار النماذج الأنسب لمهام تحليل الدوائر. من خلال تنظيم مفاهيم تصميم الإلكترونيات كرسوم بيانية موجهة غير دورية (Directed Acyclic Graphs - DAGs)، نستطيع تحديد آفاق التعقيد الخاصة بمستويات النسخ المضغوطة لنموذج LLM.

إطار العمل الذي نقدمه يتضمن تسلسل عمل آلي (agentic pipeline) لتوليد مجموعات بيانات قائمة على المتطلبات ومحرك تقييم استراتيجي يقوم بتسلسل الاستعلامات بشكل ديناميكي عبر مجموعة من النماذج المضغوطة. هذه الطريقة تمكّن من اختيار أصغر نموذج مضغوط، مع الأخذ بعين الاعتبار حدود معرفته المفاهيمية في تحليل الدوائر.

تُظهر النتائج التجريبية على مجموعات بيانات الإلكترونيات التناظرية أن الرسوم البيانية للمتطلبات توفر خريطة دقيقة لضغط النماذج فيما يتعلق بالأداء حقاً بالنسبة لتعقيد تحليل الدوائر. يتيح هذا التحليل للمهندسين اتخاذ قرارات مستنيرة حول النماذج التي يجب استخدامها، مما يزيد من فعالية تصميماتهم.

هل تتخيل كيف سيؤثر هذا التطور في مجال الهندسة الكهربائية؟ شاركونا آراءكم في التعليقات!