回路図を紙に手書きして検討する手法は、電子回路の教育や設計の初期段階で今も広く使われている。しかし、こうした手描きの図はそのままでは計算機で扱えず、シミュレーションを行うには人が手作業でネットリストを起こす必要がある。arXivに2026年10月20日に投稿された論文「Sketch2Sim: an end-to-end modular framework for hand-drawn circuit analysis」は、この手間を自動化するシステムを提案している。著者はMohammad Kawsar氏ら7名で、人工知能、コンピュータビジョン、機械学習の分野にまたがる研究として位置付けられている。
Sketch2Simの中心的な機能は、手描き回路の写真を入力として受け取り、SPICE（Simulation Program with Integrated Circuit Emphasis）互換のネットリストを生成し、その回路の節点電圧と電流を自動的に求めることにある。SPICEは集積回路シミュレーションの事実上の標準であり、生成されたネットリストがこれに準拠することで、既存のシミュレーションツールにそのまま流し込める。論文はこの仕組みを、単なる変換ツールではなく、電気回路の教育と学習の体験を高め、エンジニアリング設計レビューを迅速化する包括的な枠組みとして提示している。
研究チームはまず、学習と評価の基盤となるデータセットを整備した。抵抗、インダクタ、コンデンサからなる手描きのRLC回路1,000件を収集し、部品の位置、テキスト領域、文字認識のためのアノテーションを付与している。手書き文字や回路記号は人によって描き方が大きく異なるため、多様な筆跡を含むデータを用意することが実用性の鍵となる。
処理パイプラインは3つの段階に分解されている。第一段階では、2つのYOLOベースの検出器を用いて、回路部品とテキスト領域をそれぞれ検出する。部品と文字を別々のモデルで扱うことで、図中の記号とその近傍に書かれた値を切り分けやすくしている。第二段階では、Connectionist Temporal Classification（CTC）を備えたConvolutional Recurrent Neural Network（CRNN）と、光学文字認識（OCR）を組み合わせ、ドメイン知識を踏まえた記号値の抽出を行う。抵抗値やコンデンサ容量など、回路固有の表記ゆれに対応するための工夫である。
第三段階は画像処理による接続関係の復元だ。閾値処理、スケルトン化、そしてDBSCAN（Density-Based Spatial Clustering of Applications with Noise）を用いて、回路図中のノードを自動的に同定し、対応する部品と結び付ける。手描きの線は太さや揺れが一定しないため、線の骨格を抽出してクラスタリングすることで、交点や接続点を安定して見つける狙いがある。こうして得られた情報からネットリストが生成され、回路の求解までが一貫して行われる。
論文では、各モジュール段階に関する定性的・定量的なアブレーション実験に加え、エンドツーエンドのテストも実施されている。その結果、多様な筆跡、照明条件、背景の clutter（乱雑さ）に対して頑健な性能が示されたと報告されている。実環境で撮影された写真は、影や傾き、書き込みの重なりなど条件が大きく変わるため、こうした検証は実用性の判断材料として重要である。
想定される用途は二つに大別される。一つは学生や教育者にとっての対話的な学習支援であり、手書きの回路がその場でシミュレーション可能な形になることで、計算結果を確認しながら学べる。もう一つは技術者にとっての実用ツールであり、学習、設計、試作、トラブルシューティングの各場面で、回路スケッチを迅速にデジタル化できる。論文は包括的なユーザーインターフェースも備えていると述べており、専門知識のない利用者でも扱えることを志向している。
なお、本研究はarXivのプレプリントとして公開されたものであり、関連DOIとしてPeerJ Computer Scienceのものが示されている。コードやデータの公開状況については本文中で明示されていないため、再現性や実装の詳細は今後の公開情報を確認する必要がある。