मिशिगन विश्वविद्यालय का एक प्रीप्रिंट हार्डवेयर डेटा शीट को खोज योग्य ज्ञान-ग्राफ में बदलने का तरीका बताता है, जिसमें निकाले गए हर विनिर्देश को उसके स्रोत से जोड़ने वाला लिंक बना रहता है। 20 डेटा शीट पर लेखकों ने बताया कि उनके ग्राफ के 98.8% गुणों को उद्धृत स्रोत अंशों का समर्थन मिला, जबकि एक-चरण विधि के लिए यह 76.1% था। यह परिणाम लेखकों के मूल्यांकन में निष्कर्षण की गुणवत्ता से जुड़ा है। इससे यह साबित नहीं होता कि किसी ग्राफ से चुना गया घटक तैयार डिज़ाइन में काम करेगा।
बड़ा बदलाव
- क्या बदला: शोधकर्ताओं ने डेटा शीट प्रसंस्करण को सीमित निष्कर्षण, ग्राफ में स्थान निर्धारण और बार-बार सफाई के चरणों में बाँटा, बजाय इसके कि मॉडल से एक ही उत्तर में पूरा ग्राफ बनवाया जाए।
- यह क्यों मायने रखता है: किसी घटक की सीमा खोज रहे इंजीनियर को उसका मान, संचालन की शर्तें और डेटा शीट तक लौटने का रास्ता चाहिए। इस तुलना में चरणबद्ध तरीके ने स्रोत-समर्थित गुण काफी अधिक बनाए रखे।
- क्या देखना है: रिपोर्ट किए गए अंक 20 दस्तावेज़ों से हैं और एक ही एक-चरण आधार विधि से तुलना करते हैं। स्वतंत्र पुनरावृत्ति और घटक चयन या सत्यापन की वास्तविक प्रक्रिया में परीक्षण अभी बाकी हैं।
पाइपलाइन हर विनिर्देश को स्रोत से जोड़ती है
डेटा शीट में विनिर्देश गद्य और तालिकाओं में बिखरे होते हैं। वोल्टेज की सीमा उपकरण के संस्करण या संचालन मोड पर निर्भर हो सकती है, इसलिए अकेली संख्या इंजीनियर के प्रश्न का पूरा उत्तर नहीं देती। लेखकों की विधि पहले PDF डेटा शीट को Markdown में बदलती है, तालिका संरचना बचाती है और पाठ को खंडों में बाँटती है। हर तालिका को पूरा रखा जाता है ताकि शीर्षक और इकाइयाँ उन्हीं कक्षों के साथ रहें जिन्हें वे बताते हैं। चित्र इनपुट से बाहर हैं; यह उन दस्तावेज़ों के लिए महत्वपूर्ण सीमा है जिनमें विनिर्देश आरेखों में दिए गए हों।
मॉडल हर खंड में मिले प्रत्येक गुण का नाम, विवरण, मान या सीमा और इकाई निकालता है। स्रोत में दी गई शर्तें, विन्यास और उपकरण संस्करण विवरण में बने रहते हैं। हर गुण अपने स्रोत खंड से जुड़ा रहता है। दूसरा चरण गुणों को ग्राफ के कार्यात्मक ब्लॉकों के नीचे रखता है। उदाहरण के लिए UART बॉड दर का विनिर्देश UART ब्लॉक में होगा; कई परिधीय उपकरणों में साझा विनिर्देश पदानुक्रम में ऊपर होगा। शुरुआती श्रेणी टेम्पलेट में ब्लॉक न होने पर मॉडल नया ब्लॉक सुझा सकता है।
सिस्टम मॉडल से स्थान और संपादन के स्पष्ट निर्देश माँगता है। स्थानीय सॉफ़्टवेयर उन निर्देशों की जाँच कर उन्हें सहेजे गए गुणों पर लागू करता है, बजाय इसके कि मॉडल ग्राफ और उसके मान फिर से बनाए। आगे के चरण दोहराए गए विनिर्देशों को मिलाते हैं, एक ही नाम वाले गुणों में अंतर करते हैं और उन गुणों पर दोबारा विचार करते हैं जिन्हें अधिक उपयुक्त ब्लॉक बनने से पहले रखा गया था। इस विभाजन से गलत मान या स्थान को स्रोत खंड और प्रसंस्करण चरण तक खोजना आसान होता है। इससे मॉडल के अर्थ संबंधी निर्णय त्रुटिहीन नहीं हो जाते।
जानकारी खोजने के लिए प्रणाली संबंधित कार्यात्मक ब्लॉक पहचानकर उनके गुणों और माता-पिता ब्लॉक से लागू विरासत में मिले गुणों की जाँच कर सकती है। यह ग्राफ में खोज सीमित करने का दस्तावेज़ित डिज़ाइन है। लेख में ऐसा कोई क्षेत्रीय परीक्षण नहीं बताया गया जो तेज़ इंजीनियरिंग कार्य या कम संगतता विफलताओं को दिखाए।
तुलना ने क्या मापा
लेखकों ने GPT-5.4 को तापमान 0.2 पर रखकर 20 डेटा शीट पर दोनों तरीके चलाए: सात सेंसर, पाँच प्रोसेसिंग घटक, पाँच पावर मॉड्यूल और तीन संचार घटक। दस्तावेज़ कुल 1,040 पृष्ठों के थे। एक-चरण आधार विधि को चरणबद्ध प्रणाली वाला ही पार्स किया हुआ Markdown मिला और उसे एक ही प्रश्न में पूरा ग्राफ निकालना, डुप्लिकेट हटाना और व्यवस्थित करना था। इसलिए इस तुलना में किसी भी विधि को चित्रों की सामग्री नहीं मिली।
98.8% और 76.1% के आँकड़े गुण की स्रोत-निष्ठामापते हैं: क्या निकाले गए गुण से जुड़ा अंश उस गुण का समर्थन करता है। अर्थगत समर्थन का निर्णय LLM ने किया, जबकि आधार विधि द्वारा बताए गए संदर्भ का इनपुट पाठ से मेल खाना भी ज़रूरी था। फिर शोधकर्ताओं ने तुलना की कि हर ग्राफ की कितनी विश्वसनीय जानकारी दूसरे से वापस पाई जा सकती है। चरणबद्ध ग्राफ ने आधार विधि के विश्वसनीय, सामान्यीकृत गुणों में से 83.6% को पूरी तरह समेटा। उलटी दिशा में आधार विधि ने चरणबद्ध ग्राफ के गुणों में से 10.5% को पूरी तरह समेटा।
ये दिशात्मक सापेक्ष कवरेज अंक हैं, मूल डेटा शीट के सभी विनिर्देशों का प्रतिशत नहीं। कोई संपूर्ण सत्य-आधारित सूची उपलब्ध नहीं थी। लेखकों ने इस अंतर को कम करने के लिए गुणों को सामान्यीकृत किया कि हर ग्राफ विनिर्देश को किस तरह बाँटता है, फिर मॉडल से पूर्ण, आंशिक या अनुपस्थित कवरेज का निर्णय कराया। हाथ से की गई जाँच में नमूने के 200 सामान्यीकरण निर्देशों में से 186 बताए गए नियमों पर खरे उतरे; आठ नहीं उतरे और छह अस्पष्ट थे। ये त्रुटियाँ कुल कवरेज को प्रभावित कर सकती हैं।
इस काम की प्रसंस्करण लागत भी है। लेख के अनुसार 800 से अधिक गुणों वाले Analog Devices सेंसर ग्राफ को परिष्कृत करने का एक चक्र मॉडल प्रश्नों और API विलंब के कारण लगभग 17 मिनट चला। लेखकों ने संतुलन के तौर पर तीन चक्र चुने। लेख प्रत्येक डेटा शीट की सामान्य लागत नहीं बताता और यह साबित नहीं करता कि उत्पादन स्तर पर पाइपलाइन किफायती है।
इंजीनियरिंग में उपयोग अभी जाँचना बाकी है
प्रयोग ने निकाले गए ज्ञान को मापा, घटक संबंधी निर्णयों को नहीं। लेखकों के परीक्षण में घने दस्तावेज़ को स्रोत तक खोजे जा सकने वाले निष्कर्षण और ग्राफ-संपादन चरणों में बाँटने से उनकी एक-चरण आधार विधि की तुलना में अधिक स्रोत-समर्थित जानकारी मिली। इंजीनियर ऐसे ग्राफ से संभावित सीमाएँ खोजकर जुड़े मूल अंश देख सकता है। घटक का निर्णय लेने से पहले मूल डेटा शीट और लागू शर्तों की मानवीय जाँच फिर भी आवश्यक है, विशेषकर जहाँ चित्र में ऐसी जानकारी हो जिसे पाइपलाइन ने इनपुट नहीं किया।
यह दो लेखकों का प्रीप्रिंट है, संस्करण 1, जिसे 8 अक्टूबर 2026 को जमा किया गया। BIG CHANGE ने लेख और उसके बताए तरीके तथा परिणामों की समीक्षा की; उसने पाइपलाइन नहीं चलाई और न ही 20 डेटा शीट के विरुद्ध ग्राफ की स्वतंत्र जाँच की। लेख अन्य निष्कर्षण प्रणालियों, अधिक व्यापक दस्तावेज़ समूह या लागू हार्डवेयर प्रक्रिया के मुकाबले प्रदर्शन स्थापित नहीं करता।
स्रोत और आगे पढ़ें
- Qiao और Dick, Faithful and Complete LLM-Assisted Automated Construction of Hierarchical Hardware Knowledge Graphs, arXiv संस्करण 1, 8 अक्टूबर 2026 को जमा। पाइपलाइन, 20 डेटा शीट मूल्यांकन, अंक और बताई गई सीमाओं का प्राथमिक स्रोत। ये लेखकों के परिणाम हैं; इस लेख के लिए स्वतंत्र पुनरावृत्ति की पहचान नहीं हुई।
