SymRTLO: LLM과 신경-기호적 추론으로 RTL 코드 최적화 혁신을 이루다

SymRTLO는 LLM과 신경-기호적 추론을 결합하여 RTL 코드 최적화의 정확성과 효율성을 높인 혁신적인 프레임워크입니다. 실험 결과 기존 최첨단 방법 대비 PPA를 최대 50% 이상 개선하는 놀라운 성능을 보였습니다.

디지털 회로의 성능, 전력 소비, 면적(PPA)을 개선하는 데 있어 레지스터 전달 레벨(RTL) 코드 최적화는 매우 중요합니다. 하지만 수동으로 RTL 코드를 최적화하는 것은 시간이 오래 걸리고 오류가 발생하기 쉽습니다. 기존의 컴파일러 기반 방법들은 복잡한 설계 제약 조건을 처리하는 데 어려움을 겪어왔습니다.

이러한 문제를 해결하기 위해, 대규모 언어 모델(LLM) 기반 방법들이 등장했지만, 생성된 코드와 프롬프트 간의 일관성을 유지하는 데 어려움을 겪었습니다. Wang Yiting 등 14명의 연구자들은 이러한 한계를 극복하기 위해 SymRTLO라는 혁신적인 프레임워크를 제시했습니다.

SymRTLO는 LLM 기반 코드 재작성과 기호적 추론 기술을 완벽하게 통합한 신경-기호적 RTL 최적화 프레임워크입니다. 핵심은 다음과 같습니다.

• Retrieval-Augmented Generation (RAG) 시스템과 AST 기반 템플릿: LLM 기반 코드 재작성의 정확성을 유지하면서 원치 않는 회로 동작을 최소화합니다. 즉, LLM이 엉뚱한 코드를 생성하는 것을 방지하는 안전장치 역할을 합니다.
• 유한 상태 머신(FSM) 로직 분석 및 최적화를 위한 기호 모듈: 패턴 기반 컴파일러로는 처리할 수 없었던 세부적인 상태 병합 및 부분 사양 처리를 가능하게 합니다. 더욱 정교한 최적화를 가능하게 하는 핵심 기술입니다.
• 빠른 검증 파이프라인: 공식적 등가 검사와 테스트 기반 검증을 결합하여 검증의 복잡성을 줄입니다. 최적화된 코드의 정확성을 신속하게 검증하는 시스템입니다.

Synopsys Design Compiler와 Yosys를 사용한 실험 결과, SymRTLO는 기존 최첨단 방법에 비해 PPA를 최대 43.9%, 62.5%, 51.1%까지 개선했습니다. 이는 LLM과 신경-기호적 추론 기술의 강력한 시너지를 보여주는 결과입니다. SymRTLO는 향후 RTL 코드 최적화 분야에 큰 영향을 미칠 것으로 예상됩니다. 더욱 효율적이고 정확한 디지털 회로 설계의 길을 열어줄 혁신적인 기술이라 할 수 있습니다.