PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.06936v4cs.AR

회로 설계의 마지막 마일 연결하기: PPA 수렴 및 DRC 수정을 위한 계층적 벤치마크 PostEDA-Bench

Bridging the Last Mile of Circuit Design: PostEDA-Bench, a Hierarchical Benchmark for PPA Convergence and DRC Fixing

대규모 언어 모델(LLM) 기반 에이전트(agent)는 전자 설계 자동화(EDA)의 "마지막 마일"인 툴 실행 후 잔여 사인오프 디자인 룰 체크(DRC) 위반 수정 및 전력-성능-면적(PPA) 목표 수렴(convergence)에 점점 더 많이 적용되고 있습니다. 그러나 기존 EDA-LLM 벤치마크는 DRC 수정을 완전히 생략하고 단일 툴체인에 묶인 평면적인 계층 구조에 의존합니다. 본 논문에서는 기계 검증 가능한 평가를 지원하는 EDA 툴체인을 기반으로 DRC-Essential, DRC-Reasoning, PPA-Mono, PPA-Multi에 걸친 145개 태스크로 구성된 계층적 벤치마크인 PostEDA-Bench를 소개합니다. 여러 에이전트 스캐폴드 하에서 8개의 상용 및 오픈소스 LLM을 평가한 결과, 에이전트가 합성된 DRC-Essential 및 단일 목표 PPA-Mono는 합리적으로 잘 처리하지만 보다 실용적인 DRC-Reasoning(최고 성공률 36.66%)과 PPA-Multi(최고 성공률 20.00%)에서는 성능이 급격히 저하됨을 확인했습니다. 또한 비전 증강(vision augmentation)은 일관되게 DRC 벤치마크 성능을 향상시키며, 노브 지식보다는 트레이드오프 추론이 주된 PPA-Multi의 병목 현상임을 밝혀냈습니다.

arXiv:2607.21850v1cs.CV

SCALE: 첨단 노드에서 지역 P&R DRV 수정을 위한 자기지도 제약 인식 레이아웃 생성

SCALE: Self-Supervised Constraint-Aware Layout GEneration for Local P&R DRV Fixing at Advanced Nodes

반도체 제조가 2nm 미만 노드로 진전함에 따라, 지역 배치 및 배선(P&R) 설계 규칙 위반(DRV) 수정은 복잡한 규칙 상호작용, 밀집된 다층 라우팅 기하학, 파운드리 특화 제약에 의해 점점 더 제한받고 있다. 대규모 언어 모델(LLM)은 최근 EDA 스크립팅 및 문서화에서 강력한 역량을 보여주었지만, 시각적 레이아웃 이해에의 적용은 여전히 거의 탐구되지 않았다. 레이아웃 이미지로부터 DRC 위반을 진단하는 것은 정밀한 기하학적 추론과 범용 VLM 학습에 없는 파운드리 특화 규칙 지식을 요구한다. 우리는 첨단 노드에서 지역 DRV 수정을 위한 자기지도 레이아웃 생성 단계를 갖춘 프레임워크인 SCALE을 제안한다. 다층 레이아웃 기하학은 구조화된 텍스트로 직렬화되며, 파인튜닝된 언어 모델은 위반 레이블 없이 주변 BEOL 컨텍스트만으로 무작위로 마스킹된 폴리곤을 재구성하는 방법을 학습한다. 추론 시, 자연어 규칙 제약과 고온도 샘플링이 생성을 다양하고 위반에 취약한 레이아웃 변형을 향하게 유도하며, 이는 산업용 사인오프 DRC 검사기로 검증되어 DRC 주석이 달린 레이아웃-위반 쌍을 생성하고, 이를 사용해 도메인 적응 DRC-VLM을 파인튜닝한다. 이 VLM은 지역 DRV 수리를 위한 규칙 인식 기하학적 안내를 제공하여, enclosure, spacing, width, color-spacing 위반을 포함하는 100건의 실제 2nm 미만 사례에서 최신 에이전트의 해결률을 +12–25%(최대 97%)까지 향상시킨다.