本發(fā)明涉及大模型?，尤其涉及一種基于多模態(tài)模型的電路圖求解方法、裝置及電子設備。

背景技術：

1、在人工智能領域，多模態(tài)大模型的發(fā)展為各種科學問題的自動求解提供了新的可能性。特別是在教育領域，ai助教系統(tǒng)的構建，尤其是針對電路相關課程的ai助教，對于提高教學效率和質量具有重要意義。

2、現有技術在處理電路圖像和相關問題時存在明顯的局限性，主要表現在：

3、1）當前的多模態(tài)大模型，如gpt4v、claude3等，雖然在自然語言處理方面取得了顯著進展，但在電路圖像的分析和理解方面表現不佳。這些模型難以從電路圖像中準確提取元件、連接關系等關鍵結構信息。

4、2）現有的多模態(tài)大模型在電路問題的自動求解方面，尤其是處理文本方程和進行數值計算方面的能力有限，難以直接給出準確的數值答案。

5、隨著電子學和計算機科學的發(fā)展，電路設計和分析的需求日益增長。電路圖像的自動理解與分析，以及電路問題的自動求解，對于提高電路設計效率、優(yōu)化教學資源和促進學生學習具有重要價值。因此，開發(fā)一種能夠有效處理電路圖像和相關問題的ai系統(tǒng)，已成為該領域的一個重要研究方向。

技術實現思路

1、本發(fā)明提供一種基于多模態(tài)模型的電路圖求解方法、裝置及電子設備，用以解決現有技術中的多模態(tài)模型在電路圖像的分析和理解以及電路問題的自動求解方面表現不佳的缺陷。

2、本發(fā)明提供一種基于多模態(tài)模型的電路圖求解方法，所述方法包括：

3、將待求解電路圖輸入至預先訓練的網表識別模型中，輸出網表文本；

4、將所述網表文本輸入至電路仿真器中進行電路仿真，得到仿真結果；

5、基于所述仿真結果以及用戶的問題文本，得到最終答案；

6、其中，所述網表識別模型為多模態(tài)模型，基于樣本電路圖和網表標簽文本進行訓練得到。

7、根據本發(fā)明提供的一種基于多模態(tài)模型的電路圖求解方法，將待求解電路圖輸入至預先訓練的網表識別模型中，輸出網表文本，具體包括：

8、將用戶的問題文本以及生成的網表文本輸入至預設的大語言模型中，得到具體的問題描述，其中，所述問題描述用于指導所述網表識別模型生成符合需求的網表文本，確保網表文本中的元件參數和連接關系與所述問題文本中的要求一致；

9、將所述問題描述以及待求解電路圖輸入至預先訓練的網表識別模型中，輸出所述網表文本。

10、根據本發(fā)明提供的一種基于多模態(tài)模型的電路圖求解方法，在輸出網表文本之后，所述方法還包括：將所述網表文本輸入至大語言模型中進行驗證；將所述網表文本輸入至電路仿真器中進行電路仿真，得到仿真結果，包括：將驗證通過的所述網表文本輸入至電路仿真器中進行電路仿真，得到仿真結果。

11、根據本發(fā)明提供的一種基于多模態(tài)模型的電路圖求解方法，所述仿真結果包括電路狀態(tài)量和測量量；

12、基于所述仿真結果以及用戶的問題文本，得到最終答案，包括：

13、若用戶的問題文本為得到任一電路狀態(tài)量和/或測量量，則直接根據所述仿真結果以及用戶的問題文本，得到最終答案；

14、若用戶的問題文本為基于所述仿真結果求解二級參量，將用戶的問題文本、網表文本以及仿真結果輸入至大語言模型中進行進一步推理，得到包括所述二級參量的最終答案。

15、根據本發(fā)明提供的一種基于多模態(tài)模型的電路圖求解方法，所述網表識別模型的訓練方法包括：將所述樣本電路圖輸入至網表識別模型中，得到網表初始文本；將所述網表初始文本與所述網表標簽文本進行損失值的計算，根據所述損失值調整所述網表識別模型的參數，直至所述損失值小于閾值。

16、根據本發(fā)明提供的一種基于多模態(tài)模型的電路圖求解方法，在訓練所述網表識別模型之前，所述方法還包括：根據隨機數種子生成包括多個網格點的網格，在每個所述網格點處設置是否連接元件以及元件的屬性信息；將所述網格轉換成描述電路圖的描述語言，基于所述描述語言編譯生成樣本電路圖；將所述網格轉換為描述電路拓撲結構的網表結構，將所述網表結構轉換為網表標簽文本。

17、本發(fā)明還提供一種基于多模態(tài)模型的電路圖求解裝置，所述裝置包括：

18、網表文本輸出模塊，用于將待求解電路圖輸入至預先訓練的網表識別模型中，輸出網表文本；

19、仿真結果生成模塊，用于將所述網表文本輸入至電路仿真器中進行電路仿真，得到仿真結果；

20、最終答案輸出模塊，用于基于所述仿真結果以及用戶的問題文本，得到最終答案；

21、其中，所述網表識別模型為多模態(tài)模型，基于樣本電路圖和網表標簽文本進行訓練得到。

22、本發(fā)明還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現如上述任一種所述基于多模態(tài)模型的電路圖求解方法。

23、本發(fā)明還提供一種非暫態(tài)計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現如上述任一種所述基于多模態(tài)模型的電路圖求解方法。

24、本發(fā)明還提供一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現如上述任一種所述基于多模態(tài)模型的電路圖求解方法。

25、本發(fā)明提供的基于多模態(tài)模型的電路圖求解方法和裝置，通過將待求解電路圖輸入至預先訓練的網表識別模型中，輸出網表文本；將網表文本輸入至電路仿真器中進行電路仿真，得到仿真結果；基于仿真結果以及用戶的問題文本，得到最終答案；由于本發(fā)明通過預訓練的網表識別模型有效解決了現有多模態(tài)大模型無法準確理解電路拓撲的問題，通過電路仿真器緩解了現有多模態(tài)大模型的數學推理計算能力不足的問題，從而使得本發(fā)明的方法對電路圖的分析更加準確。

技術特征：

1.一種基于多模態(tài)模型的電路圖求解方法，其特征在于，所述方法包括：

2.根據權利要求1所述的基于多模態(tài)模型的電路圖求解方法，其特征在于，將待求解電路圖輸入至預先訓練的網表識別模型中，輸出網表文本，具體包括：

3.根據權利要求1或2所述的基于多模態(tài)模型的電路圖求解方法，其特征在于，在輸出網表文本之后，所述方法還包括：

4.根據權利要求1所述的基于多模態(tài)模型的電路圖求解方法，其特征在于，所述仿真結果包括電路狀態(tài)量和測量量；

5.根據權利要求1所述的基于多模態(tài)模型的電路圖求解方法，其特征在于，所述網表識別模型的訓練方法包括：

6.根據權利要求1或5所述的基于多模態(tài)模型的電路圖求解方法，其特征在于，在訓練所述網表識別模型之前，所述方法還包括：

7.一種基于多模態(tài)模型的電路圖求解裝置，其特征在于，所述裝置包括：

8.一種非暫態(tài)計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現如權利要求1至6任一項所述基于多模態(tài)模型的電路圖求解方法。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述程序時實現如權利要求1至6任一項所述基于多模態(tài)模型的電路圖求解方法。

10.一種非暫態(tài)計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現如權利要求1至6任一項所述基于多模態(tài)模型的電路圖求解方法。

技術總結
本發(fā)明提供一種基于多模態(tài)模型的電路圖求解方法、裝置及電子設備，其中所述方法包括：將待求解電路圖輸入至預先訓練的網表識別模型中，輸出網表文本；將所述網表文本輸入至電路仿真器中進行電路仿真，得到仿真結果；基于所述仿真結果以及用戶的問題文本，得到最終答案；其中，所述網表識別模型為多模態(tài)模型，基于樣本電路圖和網表標簽文本進行訓練得到，由于本發(fā)明通過預訓練的網表識別模型有效解決了現有多模態(tài)大模型無法準確理解電路拓撲的問題，通過電路仿真器緩解了現有多模態(tài)大模型的數學推理計算能力不足的問題，從而使得本發(fā)明的方法對電路圖的分析更加準確。

技術研發(fā)人員：祝爾樂,劉雅迪,張哲,周晉,王宏寧,張鵬,黃民烈
受保護的技術使用者：清華大學
技術研發(fā)日：
技術公布日：2024/12/23