دياغرام نت: إطار عمل ثوري للتعرف على الرسوم البيانية غير القياسية

في عالم تصميم الرقائق الإلكترونية، تعتبر الرسوم البيانية على مستوى النظام (System-level diagrams) هي الأساس الذي يبني عليه المهندسون تصميماتهم المعقدة. هذه الرسوم ليست مجرد أشكال عشوائية، بل تحتوي على تفاصيل دقيقة مثل وظائف الوحدات، تدفقات البيانات، وبروتوكولات الواجهة. ولكن، ما يعيق تقدم نماذج الذكاء الاصطناعي في فهم هذه الرسوم هو عدم وجود رموز موحدة وندرة البيانات المنظمة للتدريب.

لذلك، طورت مجموعة من الباحثين إطار العمل الجديد 'دياغرام نت' (DiagramNet)، الذي يمثل أول مجموعة بيانات متعددة الوسائط مخصصة للرسوم البيانية على مستوى النظام، وتتضمن حوالي 10,977 تمييز اتصال و15,515 زوجاً من أسئلة وأجوبة القائمة على تسلسل الأفكار.

يستند هذا العمل إلى تدريب تدريجي مبتكر مع تكامل نظام متعدد الوكلاء يفصل التفكير البصري المعقد إلى ثلاث مراحل: الإدراك (Perception)، والتفكير (Reasoning)، والمعرفة (Knowledge). ومع ذلك، فإن الفائدة الحقيقية تأتي من الأداء المتميز: لقد أظهرت النماذج التي تعتمد على إطار 'دياغرام نت' تفوقها الملحوظ على الفائز في تحدي EDA Elite 2025، بالإضافة إلى تفوقها بأكثر من مرتين على نماذج مثل GPT-5 وClaude-Sonnet-4 وGemini-2.5-Pro في التقييم الشامل.

الأكثر إثارة هو أن هذه العملية ليست محصورة فقط بنموذج 'دياغرام نت'. بل، تم تحسين أداء المهام بشكل هائل، حيث حصل Gemini-2.5-Pro على زيادة بنسبة 128.7 مرة وGPT-5 بمعدل 12.4 مرة. بالإضافة إلى ذلك، يستطيع النظام التكيف مع 60 صورة فقط للحصول على استنتاجات مستقبلية، مما يجعله يتساوى مع GPT-5 وClaude-Sonnet-4، ويتفوق على أحدث الطرق مثل Netlistify.

بفضل هذا الابتكار، تظهر آفاق واعدة لتحسين تقنيات تمثيل ومعالجة البيانات البيانية، مما يدعم هيمنة الذكاء الاصطناعي في مجالات تصميم الرقائق الإلكترونية. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.