PICasso：AI驱动的硅基光子器件自主优化设计框架
PICasso 框架概述
近日，一篇发表于 arXiv 的论文（编号 2608.26113）介绍了一种名为 PICasso 的 AI 辅助设计框架，旨在实现光子集成电路（PIC）的自动化综合、验证与优化。该框架能够直接从自然语言描述出发，生成满足规格的光子芯片布局，有望大幅降低光子芯片的设计门槛与周期。
工作原理：从自然语言到制造布局
PICasso 的核心是一条 自然语言 → YAML → GDS 的生成流水线。用户只需用自然语言描述所需的光子电路功能，PICasso 便会自动解析并生成结构化的 YAML 配置文件，随后转换为 GDS 版图格式。在此过程中，框架引入了 PDK（工艺设计套件）感知的知识注入，确保生成的电路符合特定工艺规则。同时，它还具备自动布局布线、DRC/LVS 物理验证以及基于 SAX 的光子仿真能力，从而保证设计的可制造性与性能。
基准测试与性能表现
为了系统评估 AI 驱动光子设计的水平，研究团队提出了 PIC-Set 基准，包含 36 个参数化的光子设计任务，覆盖基础光子元件与多组件电路。在统一评估协议下，团队对多种主流大语言模型（LLM）进行了测试，并引入了结构/功能 Spec@k、优化效率及扰动鲁棒性等新指标。结果显示，PICasso 在端到端规格满足度上显著优于直接使用 LLM 生成的结果：在高复杂度电路上，结构 Spec@3 达到 92.7%，功能 Spec@3 达到 52%。此外，通过仿真引导优化，PICasso 将电路的平均插入损耗从 4.98 dB 降低至 3.25 dB，提升达 1.74 dB。
行业意义与展望
这一成果表明，通过引入结构化领域约束、物理验证和仿真反馈，LLM 能够从脆弱的网表生成器转变为实用的光子设计代理，生成可制造的布局，且运行时间可与手动 GUI 流程相媲美。PICasso 框架的提出，为光子芯片设计自动化开辟了新的路径，未来有望与电子设计自动化（EDA）工具深度融合，推动光子集成技术的广泛应用。不过，目前该框架仍处于研究阶段，距离商业化落地还需进一步验证与完善。