哥伦比亚大学与Google DeepMind推出BTTF框架 实现RTL波形分析95.33%自动准确率

2026年10月，哥伦比亚大学、Google DeepMind与Google联合发表论文《Back to the Future: Rethinking EDA Infrastructure for Agentic Systems in Chip Design Verification》，提出名为BTTF（Back-to-the-Future）的端到端Agentic AI框架，首次实现RTL波形分析全流程自动化。该系统将VCD、FSDB等非结构化仿真波形自动解析为SQLite关系数据库，并构建多智能体协同引擎：用户以自然语言输入验证需求（如‘复位后第128周期clk_en误拉高模块’），系统自动生成语义正确SQL，联动版本化RTL仓库定位异常代码及变更记录。关键技术包括轻量级信号类型推断、上下文感知SQL生成器与异常-RTL因果链追踪。在150条覆盖时序违例、状态机死锁、总线竞争等场景的真实工业查询中，BTTF执行准确率达95.33%，89%案例可一次性输出完整调试路径，无需人工干预；相较主流工具平均45分钟单次定位耗时，效率显著提升。架构上，BTTF明确划分数据层、代理层与协调层，各智能体通过标准化协议通信，确保确定性与可追溯性，满足ISO 26262审计要求。当前已开源核心组件，计划集成Yosys、Icarus Verilog等开源EDA工具，Google内部试运行显示关键路径收敛时间缩短约40%。研究团队指出局限在于对异步复位、低功耗状态等复杂场景支持尚不完善，且TB级波形预处理延迟需优化。该成果标志Agentic AI从辅助编码迈向自主验证深水区，推动EDA基础设施向‘可编程验证环境’演进，验证工程师角色或将转向智能体训练与策略设计。