GLOVA: 위험 감지 강화 학습으로 아날로그 회로 설계의 혁신을 이루다!

김동준 교수 연구팀이 개발한 GLOVA는 위험 감지 강화 학습과 앙상블 기반 평가자를 활용하여 PVT 변화에 강건한 아날로그 회로 설계를 가능하게 합니다. 기존 방식 대비 80.5배 향상된 샘플 효율과 76배 단축된 설계 시간으로 아날로그 회로 설계 분야에 혁신을 가져올 것으로 기대됩니다.

대한민국 연구진, 아날로그 회로 설계의 난제를 해결하다!

아날로그/혼성 신호 회로 설계는 공정, 전압, 온도(PVT) 변화로 인한 성능 저하 문제로 어려움을 겪어왔습니다. 시장 경쟁력을 확보하려면 반복적인 수동 설계 수정과 방대한 통계적 시뮬레이션이 필수적이었죠. 하지만, 김동준 교수 연구팀 (포함 연구원: 박준우, 신채현, 정재헌, 신경호, 백승헌, 허상혁, 김웅래, 정인철, 조주환, 박종선) 은 이러한 어려움을 극복할 획기적인 기술을 개발했습니다.

GLOVA (Global and Local Variation-Aware Analog Circuit Design) 라는 이름의 이 프레임워크는 다양한 무작위 불일치의 영향을 효과적으로 관리하여 PVT 변화에 대한 회로의 강건성을 높입니다. 핵심은 바로 위험 감지 강화 학습과 앙상블 기반 평가자의 활용입니다. 위험 감지 강화 학습은 PVT 변화에 따른 신뢰성 한계를 고려하여 설계를 최적화하고, 앙상블 기반 평가자는 샘플 효율적인 학습을 가능하게 합니다.

또한, GLOVA는 $\mu$-$\sigma$ 평가 및 시뮬레이션 재정렬 방법을 통해 실패한 설계를 식별하는 시뮬레이션 비용을 줄입니다. 코너 시뮬레이션과 전역 및 지역 몬테카를로(MC) 시뮬레이션을 포함한 산업 수준의 PVT 변동 평가 방법을 지원하여 설계 검증의 신뢰성을 높였습니다.

결과는 놀랍습니다! 기존 최첨단 변동 인식 아날로그 크기 조정 프레임워크와 비교하여 GLOVA는 샘플 효율을 최대 80.5배 향상시키고 설계 시간을 76.0배 단축시켰습니다. 이는 아날로그 회로 설계 분야에 혁신적인 발전을 가져올 뿐만 아니라, 상용화에 필요한 시간과 비용을 획기적으로 절감하는 데 기여할 것으로 예상됩니다.

이 연구는 아날로그 회로 설계의 자동화를 한 단계 더 발전시킨 쾌거이며, 앞으로 더욱 발전된 AI 기반 설계 기술 개발에 대한 기대감을 높여줍니다.