Mit über 20 Jahren Erfahrung verwandeln wir Ihre digitale Präsenz. Wir sind spezialisiert auf Website- und E-Shop-Entwicklung, SEO und digitales Marketing, ERP-Software und intelligente Automatisierung, die Ihr Unternehmen auf die nächste Stufe heben.
Adresse:
Egnatia 154, Thessaloniki 546 36
Telefon:
+30 231 231 4095
E-Mail:
[email protected]
Sind Sie bereit für den nächsten Schritt?;
Το PICasso συνδέει φυσική γλώσσα, YAML, DRC/LVS και προσομοίωση σε ελεγχόμενο workflow για φωτονικά chips. Τι έδειξε σε 36 tasks και τι μαθαίνουν οι business AI agents.
Η σύντομη απάντηση: το PICasso είναι ένα ερευνητικό framework που μετατρέπει προδιαγραφές φυσικής γλώσσας σε δομημένο YAML, GDS layout, φυσικούς ελέγχους και προσομοίωση για φωτονικά ολοκληρωμένα κυκλώματα. Στο PIC-Set των 36 tasks, η πλήρης αλυσίδα βελτίωσε δραστικά τη δομική εγκυρότητα, αλλά η λειτουργική επιτυχία στα πιο σύνθετα κυκλώματα έφτασε έως 52%. Το ουσιαστικό μάθημα για τους business AI agents είναι ότι το μοντέλο χρειάζεται περιορισμένο output, ανεξάρτητους validators, μετρήσιμο feedback και δυνατότητα επιστροφής σε ασφαλή κατάσταση.
Τα φωτονικά ολοκληρωμένα κυκλώματα, γνωστά ως PICs, χρησιμοποιούν το φως για λειτουργίες όπως μετάδοση δεδομένων, ανίχνευση, φιλτράρισμα και επεξεργασία σημάτων. Εμφανίζονται σε οπτικές διασυνδέσεις, LiDAR, τηλεπικοινωνίες και κβαντική φωτονική. Η σχεδίασή τους, όμως, δεν είναι μια απλή μετάφραση μιας ιδέας σε ένα αρχείο παραγωγής.
Ένας μηχανικός πρέπει να επιλέξει συμβατά components, να ορίσει θύρες και συνδέσεις, να τοποθετήσει τα στοιχεία, να δρομολογήσει waveguides και να τηρήσει περιορισμούς για πλάτη, αποστάσεις, καμπύλες και cross-sections. Μετά χρειάζονται design rule checks, έλεγχος συνδεσιμότητας και προσομοίωση της οπτικής συμπεριφοράς. Ένα layout μπορεί να είναι συντακτικά έγκυρο, αλλά να μην κατασκευάζεται ή να αποτυγχάνει στον λειτουργικό του στόχο.
Η εργασία PICasso: An AI-Enabled Design Framework for Autonomous Optimization of Silicon Photonic Devices αντιμετωπίζει αυτή τη διαφορά ανάμεσα στο «παράχθηκε ένα artifact» και στο «παράχθηκε ένα επαληθευμένο αποτέλεσμα». Η προσέγγιση δεν βασίζεται σε ένα μεγαλύτερο prompt. Χτίζει μια κλειστή αλυσίδα από πρόθεση, δομημένη αναπαράσταση, deterministic checks, φυσική επαλήθευση, προσομοίωση και βελτιστοποίηση.
Αυτό κάνει το PICasso ενδιαφέρον και έξω από τη φωτονική. Σε ένα e-shop, CRM ή customer support workflow, η αντίστοιχη αποτυχία είναι μια έγκυρη API κλήση που εφαρμόζει λάθος τιμή, ενημερώνει λάθος πελάτη ή εκτελεί ενέργεια χωρίς επαρκή στοιχεία. Η αξιοπιστία δεν κρίνεται από το αν το μοντέλο έγραψε σωστό JSON, αλλά από το αν ολόκληρο το σύστημα έφτασε σε επιτρεπτό και ελέγξιμο αποτέλεσμα.
Η είσοδος του PICasso είναι μια περιγραφή της λειτουργίας του κυκλώματος, των συνδέσεων και, προαιρετικά, στόχων όπως insertion loss ή splitting ratio. Πριν από τη δημιουργία αποτελέσματος, το framework εμπλουτίζει το context με τη γραμματική του YAML, τους έγκυρους τύπους components και ports του PDK, επιτρεπτές παραμέτρους, κανόνες αποστάσεων και παραδείγματα σχεδίων.
Η επιλογή του YAML ως ενδιάμεσης αναπαράστασης είναι βασική αρχιτεκτονική απόφαση. Η φυσική γλώσσα είναι εύχρηστη για τον άνθρωπο, αλλά ασαφής για ένα fabrication workflow. Το GDS είναι κατάλληλο για layout, όχι για να εκφράζει πρόθεση υψηλού επιπέδου. Το YAML λειτουργεί ως συμβόλαιο: ελέγχεται με schema, διορθώνεται πριν από την εκτέλεση, αποθηκεύεται σε version control και μεταγλωττίζεται με προβλέψιμους κανόνες.
Το ίδιο pattern είναι χρήσιμο σε έναν επιχειρησιακό agent. Αντί να γράφει απευθείας σε ERP, CRM ή e-commerce backend, το μοντέλο μπορεί να παράγει ένα περιορισμένο action plan με επιτρεπτές ενέργειες, υποχρεωτικά πεδία και σαφή scope. Ένας deterministic validator ελέγχει το plan πριν από οποιαδήποτε μεταβολή. Για μια συγγενική προσέγγιση στη διαχείριση έγκυρης γνώσης, δείτε τα Knowledge Cards για ελεγχόμενη γνώση στους AI agents.
Το μοντέλο παράγει απευθείας netlist ή layout με περιορισμένο domain context. Ένα αποτέλεσμα μπορεί να φαίνεται πειστικό, αλλά να περιέχει μη έγκυρα ports, ασύμβατες παραμέτρους, routing failures ή λειτουργική αστοχία.
Το μοντέλο παράγει ελεγχόμενο YAML, λαμβάνει δομημένα diagnostics και επαναλαμβάνει πριν από placement, routing, DRC/LVS και προσομοίωση. Η επιτυχία μετριέται σε επίπεδα, όχι από την ομοιότητα του πρώτου output με ένα σωστό σχέδιο.
Κάθε παραγόμενο YAML περνά πρώτα από έναν ξεχωριστό pilot validator. Ο έλεγχος εξετάζει τη συμβατότητα με το schema, τη χρήση παραμέτρων, τη συνέπεια των port names, τις ελάχιστες αποστάσεις και την πληρότητα των οδηγιών placement και routing. Τα σφάλματα μετατρέπονται σε σύντομα diagnostics και επιστρέφουν στο επόμενο prompt.
Η αξία βρίσκεται στον τύπο του feedback. Το μοντέλο δεν λαμβάνει ένα αόριστο «δοκίμασε ξανά», αλλά πληροφορία που συνδέεται με συγκεκριμένο constraint. Έτσι ο επόμενος γύρος έχει σαφέστερο στόχο και το ιστορικό επισκευής παραμένει αναγνώσιμο. Η διαδικασία συνεχίζεται τοπικά μέχρι το artifact να περάσει το πρώτο κατώφλι ή να καταγραφεί πραγματικό αδιέξοδο.
Για production AI agents, αυτό σημαίνει ότι τα retries χρειάζονται διάγνωση και όριο. Η τυφλή επανάληψη της ίδιας ενέργειας μπορεί να πολλαπλασιάσει ένα αρχικό λάθος ή να δημιουργήσει διπλές εγγραφές. Το σχετικό άρθρο για tool calling και την αλυσίδα ενός πρώτου λάθους εξηγεί γιατί το state, τα arguments και τα side effects πρέπει να ελέγχονται πριν από κάθε retry.
Όταν το YAML περάσει τον pilot έλεγχο, μεταγλωττίζεται μέσω του gdsfactory. Το framework δημιουργεί τα components, εκτελεί geometric placement και ενεργοποιεί auto-routing με περιορισμούς για bend radius, cross-sections και αποστάσεις του PDK. Η διαδρομή δεν είναι μια ελεύθερη γραμμή που απλώς φαίνεται σωστή. Πρέπει να ακολουθεί κανόνες για καμπύλες, tapers, ευθύγραμμα τμήματα και Manhattan routing.
Το παραγόμενο layout περνά design rule check για πλάτη, αποστάσεις, enclosure και καμπυλότητα. Όπου είναι υπολογιστικά εφικτό, το layout-versus-schematic συγκρίνει τη συνδεσιμότητα του layout με το αρχικό netlist. Αν εντοπιστούν παραβιάσεις, επιστρέφουν ως δομημένο feedback και τροφοδοτούν νέο γύρο διόρθωσης.
Αυτός ο διαχωρισμός έχει άμεσο αντίστοιχο στην επιχειρησιακή αυτοματοποίηση. Το schema validation ελέγχει αν μια ενέργεια έχει τη σωστή μορφή. Το policy validation ελέγχει αν επιτρέπεται. Το state validation επιβεβαιώνει ότι τα δεδομένα δεν άλλαξαν μετά την πρόταση. Το post-condition check εξετάζει αν το πραγματικό αποτέλεσμα συμφωνεί με την πρόθεση. Κανένα από αυτά τα επίπεδα δεν υποκαθιστά τα υπόλοιπα.
Αρχή σχεδιασμού
Μην επιτρέπετε στο μοντέλο να αυτοπιστοποιεί το αποτέλεσμα που μόλις παρήγαγε
Ο κρίσιμος έλεγχος χρειάζεται ανεξάρτητο μηχανισμό, σαφή κριτήρια pass/fail και καταγραφή των αποδείξεων. Ένας δεύτερος LLM judge μπορεί να βοηθήσει, αλλά δεν αντικαθιστά deterministic constraints και πραγματικά post-conditions.
Το PICasso χωρίζει τη βελτιστοποίηση σε επίπεδο συσκευής και επίπεδο κυκλώματος. Στο πρώτο, μεταβάλλει γεωμετρικές και υλικές παραμέτρους, όπως πλάτος και ακτίνα waveguide, διαστάσεις MMI και μήκος heater. Αναλυτικά μοντέλα εξασθένησης και S-parameter simulations μέσω SAX συγκρίνουν το αποτέλεσμα με στόχους που προέρχονται από μετρήσεις ή προδιαγραφές PDK.
Στο επίπεδο κυκλώματος, οι phase shifts και οι coupling coefficients αντιμετωπίζονται ως μεταβλητές που επηρεάζουν την παρεμβολή πολλαπλών διαδρομών. Το framework χρησιμοποιεί multi-start Nelder-Mead με διαφορετικές αρχικοποιήσεις και βελτιστοποιεί τη μετάδοση του συνολικού circuit. Ο διαχωρισμός αποτρέπει ένα τοπικό component improvement από το να θεωρηθεί αυτόματα συνολική επιτυχία.
Σε ένα business workflow, το αντίστοιχο είναι να ξεχωρίζουμε την ποιότητα κάθε βήματος από το τελικό outcome. Ένα σωστό classification ticket δεν αποδεικνύει ότι λύθηκε το αίτημα. Μια σωστή πρόταση έκπτωσης δεν αποδεικνύει ότι εφαρμόστηκε στον σωστό πελάτη. Η αξιολόγηση χρειάζεται component metrics, end-to-end success και έλεγχο για ανεπιθύμητες παρενέργειες.
Για την αξιολόγηση, οι ερευνητές δημιούργησαν το PIC-Set με 36 παραμετρικά tasks. Περιλαμβάνει βασικά στοιχεία και σύνθετα κυκλώματα, όπως MMIs, directional couplers, phase shifters, Y-branches, waveguide tapers, modulators, WDM filters και switching fabrics. Κάθε entry συνοδεύεται από YAML netlists, reference layouts, parameter bounds, structural constraints και, όπου υπάρχουν, SPICE ή S-parameter models.
Ο διαχωρισμός σε design, validation και test γίνεται στο επίπεδο της τοπολογίας. Έτσι μειώνεται ο κίνδυνος να εμφανιστούν σχεδόν ίδιες παραμετρικές εκδοχές του ίδιου circuit και στις δύο πλευρές της αξιολόγησης. Η πολυπλοκότητα χωρίζεται σε ένα component, δύο έως οκτώ components και περισσότερα από οκτώ.
Το structural Spec@k απαιτεί έγκυρο YAML, επιτυχή μεταγλώττιση, ολοκληρωμένο routing και επιτυχία στους DRC ελέγχους, με LVS όπου είναι εφικτό. Το functional Spec@k ζητά επιπλέον η προσομοιωμένη συμπεριφορά να βρίσκεται μέσα στις ανοχές του συγκεκριμένου topology ως προς μετάδοση, insertion loss, wavelength selectivity ή switching και splitting ratios.
Η διάκριση είναι ουσιαστική: ένα artifact μπορεί να είναι δομικά αποδεκτό και να αποτυγχάνει στον πραγματικό του σκοπό. Σε έναν business agent, το structural pass αντιστοιχεί σε έγκυρο plan και επιτρεπτές κλήσεις. Το functional pass αντιστοιχεί σε επαληθευμένο αποτέλεσμα που ικανοποιεί τον στόχο χωρίς να παραβιάζει περιορισμούς.
Η κύρια αξιολόγηση συνέκρινε GPT-4o, Claude Sonnet 4.5 και Llama 3.1 70B σε vanilla generation και μέσα στο πλήρες PICasso. Για καθένα από τα 36 tasks δημιουργήθηκαν πέντε samples ανά φάση, δηλαδή 180 samples ανά μοντέλο και ανά φάση. Τα vanilla μοντέλα δεν είχαν structural priors, routing constraints ή optimization.
Στα medium-complexity circuits, το GPT-4o με PICasso έφτασε structural Spec@3 99,2%, ενώ το vanilla GPT-4o ήταν 33,3%. Το Claude Sonnet 4.5 με το framework έφτασε 100% structural και 100% functional Spec@3 στην ίδια κατηγορία. Στα high-complexity circuits, το Claude πέτυχε 90,7% structural και 52% functional Spec@3. Το Llama 3.1 70B είχε υψηλότερο structural Spec@3, 92,7%, αλλά functional Spec@3 0%. Άρα το μεγαλύτερο δομικό score δεν ήταν το καλύτερο end-to-end αποτέλεσμα.
Τέσσερις αριθμοί που περιγράφουν το PICasso
Μετρήσεις από την πρωτογενή εργασία. Αφορούν το συγκεκριμένο benchmark και δεν αποτελούν εγγύηση για άλλο PDK ή workflow.
Η ανάλυση του insertion loss βασίστηκε μόνο στα circuits που κατασκευάστηκαν επιτυχώς και πέρασαν structural validation. Μετά το φιλτράρισμα απέμειναν 48 vanilla και 158 PICasso samples. Ο pooled μέσος όρος μειώθηκε από 4,98 dB σε 3,25 dB, διαφορά 1,74 dB. Τα σύνολα δεν έχουν ίδιο μέγεθος και το αποτέλεσμα δεν πρέπει να παρουσιαστεί ως καθολική βελτίωση για κάθε design.
Ο αναφερόμενος χρόνος ήταν 4 έως 8 λεπτά ανά task, έναντι 25 έως 60 λεπτών για εκπαιδευμένο PIC engineer στα ίδια tasks μέσα σε εμπορικό GUI. Η σύγκριση δείχνει την ταχύτητα του ερευνητικού pipeline, όχι το πλήρες production lead time. Δεν περιλαμβάνει κατ’ ανάγκη όλα τα βήματα foundry sign-off, IP review, fabrication validation ή οργανωτικής έγκρισης.
Το ablation study είναι ιδιαίτερα χρήσιμο επειδή δείχνει ότι ένα επιπλέον agentic stage δεν βελτιώνει πάντα το αποτέλεσμα. Σε 12 αντιπροσωπευτικά tasks με Claude Sonnet 4.5, ο pilot validation έφερε το structural Spec@5 στο 100%. Με την προσθήκη physical και functional verification, το functional Spec@5 έφτασε 91,7%. Στην πλήρη έκδοση V5 με optimization, όμως, το συνολικό functional Spec@5 μειώθηκε σε 83,3%.
Το 64-QAM modulator και το 90° optical hybrid διατήρησαν structural correctness 100%, αλλά είχαν functional Spec@5 μηδέν στο V5. Οι συγγραφείς αποδίδουν την αποτυχία σε phase-matching constraints που ξεπερνούν την περιοχή σύγκλισης του Nelder-Mead. Η βελτιστοποίηση είχε όνομα που υποσχόταν βελτίωση, αλλά σε δύο tasks υποβάθμισε το end-to-end αποτέλεσμα.
Αυτό είναι σημαντικό για κάθε AI automation. Κάθε νέο στάδιο, reranker, optimizer ή repair agent χρειάζεται δικό του regression gate. Το σύστημα πρέπει να συγκρίνει το νέο αποτέλεσμα με το τελευταίο επαληθευμένο state και να μπορεί να κάνει rollback. Χωρίς αυτή τη δυνατότητα, μια «βελτιωμένη» πρόταση μπορεί να αντικαταστήσει ένα ήδη αποδεκτό αποτέλεσμα με χειρότερο.
Οι μετρήσεις φωτονικής δεν μεταφέρονται αυτούσιες σε e-commerce, marketing ή customer support. Η αρχιτεκτονική, όμως, προσφέρει ένα ώριμο πρότυπο. Το μοντέλο χειρίζεται την πρόθεση και τη σύνθεση, ενώ deterministic μηχανισμοί προστατεύουν τα όρια της εκτέλεσης. Τα ενδιάμεσα artifacts παραμένουν ορατά και οι validators επιστρέφουν δομημένο feedback.
Σε ένα CRM workflow, για παράδειγμα, η φυσική γλώσσα μπορεί να μετατρέπεται σε περιορισμένο action plan. Το plan ελέγχεται ως προς required fields, επιτρεπτό customer scope, consent, budget και idempotency. Η εκτέλεση γίνεται μόνο αν το state παραμένει ίδιο. Μετά την κλήση, το σύστημα επιβεβαιώνει ότι ενημερώθηκε η σωστή εγγραφή και ότι το πραγματικό αποτέλεσμα ταιριάζει με το plan.
Σε e-commerce, ένα pricing agent χρειάζεται ξεχωριστούς ελέγχους για περιθώριο κέρδους, κατώτατη τιμή, ενεργές προσφορές, απόθεμα, κανάλι και ημερομηνία λήξης. Σε customer support, ένα answer draft χρειάζεται policy check, grounding σε εγκεκριμένη γνώση και ανθρώπινο handoff όταν λείπουν στοιχεία ή η ενέργεια είναι μη αναστρέψιμη.
Η ανθρώπινη εποπτεία στους AI agents έχει αξία μόνο όταν ο reviewer βλέπει το plan, τα evidence, τους ελέγχους που πέρασαν και όσα παραμένουν αβέβαια. Ένα κουμπί «approve» χωρίς επαρκές context δεν αποτελεί ουσιαστικό sign-off. Αντίστοιχα, το GameWAM και οι closed-loop agents δείχνουν γιατί το μοντέλο πρέπει να παρατηρεί το αποτέλεσμα της ενέργειας πριν αποφασίσει το επόμενο βήμα.
Το PICasso αξιολογήθηκε σε 36 tasks μέσα σε συγκεκριμένο ερευνητικό stack και με generic ή foundry-aligned constraints. Η εργασία δεν παρουσιάζει μετρήσεις από fabricated chips ούτε αποδεικνύει ότι κάθε παραγόμενο layout θα περάσει πραγματικό foundry sign-off. Οι λειτουργικές προσομοιώσεις εξαρτώνται από τα διαθέσιμα μοντέλα, τα loss targets και τις ανοχές του benchmark.
Το abstract αναφέρει έως 92,7% structural Spec@3 στα high-complexity circuits. Αυτό προέρχεται από το PICasso με Llama 3.1 70B, όπου το functional Spec@3 ήταν 0%. Η καλύτερη συνδυασμένη επίδοση στην ίδια κατηγορία ήταν του Claude Sonnet 4.5, με 90,7% structural και 52% functional. Η διάκριση είναι απαραίτητη για να μην παρουσιαστεί ένα structural maximum ως συνολική επιτυχία.
Η εργασία χρησιμοποιεί τους όρους «manufacturable layouts» και «fully automated», αλλά τα ίδια τα αποτελέσματα δείχνουν ότι η λειτουργική επιτυχία παραμένει πολύ χαμηλότερη από τη δομική στα σύνθετα circuits. Η ώριμη ανάγνωση είναι ότι το framework μειώνει σημαντικά τη χειροκίνητη παρέμβαση και αυξάνει την επαληθευσιμότητα στο benchmark. Δεν καταργεί την ανάγκη για ανεξάρτητο sign-off, ειδικούς πεδίου ή καλύτερους optimizers.
Τέλος, οι συγκρίσεις χρόνου ανάμεσα σε διαφορετικά frameworks δεν είναι απόλυτα ισοδύναμες, επειδή οι pipelines έχουν διαφορετικό βάθος και διαφορετικά checks. Τα 4 έως 8 λεπτά του PICasso περιλαμβάνουν περισσότερα στάδια από ορισμένα baselines, αλλά δεν αποδεικνύουν από μόνα τους χαμηλότερο συνολικό κόστος λειτουργίας ή καλύτερη απόδοση σε άλλο infrastructure.
Ένα πρώτο επιχειρησιακό pilot πρέπει να επιλέγει μία περιορισμένη ροή με καθαρό outcome και δυνατότητα rollback. Η επιτυχία δεν μετριέται από την ποιότητα του πρώτου κειμένου ή plan, αλλά από το ποσοστό των περιπτώσεων που ολοκληρώνονται σωστά, με επαρκή στοιχεία και χωρίς ανεπιθύμητες μεταβολές.
Επτά έλεγχοι πριν από παραγωγική χρήση
Περιγράψτε τι μπορεί να αλλάξει, σε ποια συστήματα, για ποιους χρήστες και ποια outcomes θεωρούνται ρητά αποτυχία.
Μετατρέψτε τη φυσική γλώσσα σε plan με schema, επιτρεπτές ενέργειες, required fields, scope και version.
Επιβεβαιώστε δικαιώματα, όρια, τρέχον state και κλειδί μοναδικότητας πριν από κάθε εξωτερική εγγραφή ή συναλλαγή.
Κάθε failure χρειάζεται συγκεκριμένο constraint, observed value και διορθώσιμη πρόταση, όχι απλή εντολή για νέα προσπάθεια.
Χρησιμοποιήστε preview ή shadow mode και απαιτήστε άνθρωπο όταν η ενέργεια έχει οικονομικό, νομικό ή πελατειακό αντίκτυπο.
Μετά την εκτέλεση, διαβάστε ξανά το σύστημα και επιβεβαιώστε ότι η σωστή εγγραφή άλλαξε ακριβώς όπως προβλεπόταν.
Αποθηκεύστε artifacts, diagnostics και approvals, ορίστε retry budget και επαναφέρετε την προηγούμενη έκδοση όταν ένα optimization pass υποβαθμίζει το αποτέλεσμα.
Η TWO DOTS εφαρμόζει αυτή τη λογική σε διασυνδέσεις CRM, ERP, e-shop, APIs και AI workflows. Το ζητούμενο δεν είναι να προστεθεί ένα chatbot πάνω από μια ασαφή διαδικασία. Είναι να σχεδιαστούν καθαρά data boundaries, validators, approval rules, audit trail και ασφαλές human handoff. Για το πλαίσιο υπηρεσιών, δείτε τους αυτοματισμούς επιχειρήσεων και AI.
Το PICasso δείχνει τι αλλάζει όταν ένα LLM παύει να λειτουργεί ως αυτόνομος generator και εντάσσεται σε μια ελεγχόμενη μηχανική διαδικασία. Το δομημένο YAML περιορίζει το output space, οι validators μετατρέπουν τα failures σε διορθώσιμο feedback, οι φυσικοί έλεγχοι εξετάζουν την κατασκευασιμότητα και η προσομοίωση μετρά τη λειτουργική συμπεριφορά.
Τα αποτελέσματα είναι ισχυρά αλλά όχι απόλυτα. Η δομική εγκυρότητα αυξήθηκε θεαματικά, ενώ η λειτουργική επιτυχία στα σύνθετα circuits παρέμεινε στο 52% για την καλύτερη συνδυασμένη επίδοση. Το ablation έδειξε επίσης ότι το optimization μπορεί να προκαλέσει regression. Αυτές οι αδυναμίες δεν μειώνουν την αξία της μελέτης. Κάνουν το βασικό μάθημα πιο καθαρό: ένας αξιόπιστος AI agent χρειάζεται πολλαπλά κατώφλια επιτυχίας, ανεξάρτητους ελέγχους, παρατηρήσιμα artifacts και δυνατότητα ασφαλούς επιστροφής.
Αυτοματισμοί επιχειρήσεων & AI
Μετατρέψτε ένα AI prototype σε ελεγχόμενο επιχειρησιακό workflow
Η TWO DOTS σχεδιάζει διασυνδέσεις, validators, approval rules, audit trails και human handoff για AI automations σε e-commerce, CRM, ERP και customer support.
Häufig gestellte Fragen
Είναι ερευνητικό framework για αυτοματοποιημένη σύνθεση, επαλήθευση και βελτιστοποίηση φωτονικών ολοκληρωμένων κυκλωμάτων από προδιαγραφές φυσικής γλώσσας.
Παράγει ελεγχόμενο YAML με γνώση του PDK, το μεταγλωττίζει μέσω gdsfactory σε placement, routing και GDS layout και στη συνέχεια εφαρμόζει DRC/LVS και προσομοίωση SAX.
Περιλαμβάνει 36 παραμετρικά tasks από βασικά photonic components έως κυκλώματα με περισσότερα από οκτώ στοιχεία, μαζί με constraints, reference layouts και μοντέλα όπου είναι διαθέσιμα.
Το structural Spec@k ελέγχει schema, compilation, routing και φυσικούς κανόνες. Το functional Spec@k απαιτεί επιπλέον η προσομοιωμένη συμπεριφορά να ικανοποιεί τις ανοχές του συγκεκριμένου circuit.
Το Claude Sonnet 4.5 μέσα στο PICasso πέτυχε 90,7% structural και 52% functional Spec@3. Το Llama 3.1 70B είχε υψηλότερο structural 92,7%, αλλά functional 0% στην ίδια κατηγορία.
Στα structurally valid samples που μπήκαν στην ανάλυση, ο pooled μέσος όρος μειώθηκε από 4,98 dB σε 3,25 dB, δηλαδή κατά 1,74 dB.
Όχι. Στο ablation, δύο phase-sensitive circuits είχαν functional Spec@5 μηδέν στο πλήρες V5, παρότι παρέμειναν structurally correct, λόγω περιορισμών σύγκλισης του Nelder-Mead.
Να παράγουν δομημένα ενδιάμεσα artifacts, να περνούν ανεξάρτητους deterministic και domain-specific ελέγχους και να επιβεβαιώνουν το πραγματικό αποτέλεσμα πριν από το επόμενο βήμα.
Quellen
