AIは回路基板を設計できるようになったか？

概要

• OpenAIのGPT-6 AstraがKiCad上で回路設計を行うデモが話題
• AIによる電子回路設計の品質評価方法の重要性
• EEBenchによる現実的で厳格な電子設計ベンチマークの紹介
• 各AIモデルのEEBenchスコアや進化状況の比較
• 今後の課題や期待される進展についての展望

OpenAI AstraとAI電子回路設計の現状

• OpenAI が公開した GPT-6 Astra のデモで、 KiCad 上の回路設計が注目
• 電子回路分野が 大規模AIモデル のリリースでフィーチャーされる時代の到来
• 1プロンプトでスマートフォン全体を設計するにはまだ距離がある現状
• AIが生成した電子回路の「良し悪し」をどう測るかが課題

AIモデルの電子回路知識と設計手法

• 現行モデルは 教科書・データシート・アプリケーションノート など膨大な知識を持つ
• 通常の CADツール 操作では、座標やメニューなどアプリケーション状態の維持に多くのリソースを消費
• atopile を使った EEBench では、回路が宣言的コードで記述され、直接部品や接続、制約を操作可能
• 設計→ビルド→シミュレーション→検証まで一貫してプロジェクト内で完結
• GUIで線を引かせるよりも、電子回路設計能力の評価に適したアプローチ

EEBenchによる現実的な評価

• EEBench は入力電源をシミュレーションで遮断し、動作電圧や容量、回復挙動、コストなどを厳密に測定
• 現実の部品特性（容量のバラつき、温度係数、耐圧、パッケージ制約など）を考慮
• 理論値だけでなく、実際に調達可能な部品で成立するか を評価
• 電気性能・コスト・供給性のトレードオフを必須条件とする現実的な設計検証

EEBenchの評価方法とタスク例

• 完全決定論的 な評価プロセス
• 提出設計から回路グラフとBOM（部品表）を生成し、 SPICEシミュレーション と設計チェック実施
• 各要件ごとに計測値と許容範囲を設定
• 成功した回路のみ、コスト効率もスコアに反映
• アナログ・デジタル両設計をカバーし、今後はレイアウトや製造・立ち上げまで拡張予定

AIモデルのEEBenchスコア比較

• Claude Opus 5 ：61.6%（13タスク平均、2024年9月1日時点）
• Grok 4.6 ：57.1%、 Claude Fable 5.1 ：56.4%
• OpenAI GPT-5.5 ：42.3%、 GPT-5.6 Sol ：39.4%
• xAI がGrok 4.6モデルカードにEEBench結果を掲載し、エンジニアリング分野への本格進出を示唆
• Grok 4.6はSpaceXデータや専門環境でRLトレーニングを受け、工学分野での向上が確認

シミュレーション環境と今後の展望

• EEBench の評価環境は 強化学習（RL） にも利用可能
• 失敗例からも、どの電圧が基準を下回ったか、コスト過多設計か等の詳細なフィードバックを取得
• Frontier Labとの連携や、より大規模な評価スイート・トレーニング環境の提供も進行中
• AIによる回路設計の現実的可能性 はすでに一部で実現
• 今後もより難易度の高いタスクを追加し、モデルの進化を追跡予定

まとめ：AIは回路設計を担えるか

• 一部のAIは既に 実用的な回路設計 が可能
• ただし、 医療機器などの高信頼性設計 にはまだ慎重な検証が必要
• OpenAI Astra や Grok 4.7 など次世代モデルの進化とベンチマーク結果に期待
• 誰でも atopile で同様のアプローチを試せる環境
• EEBench は商業的なスコア販売を行わず、独立した評価基盤として運営