혁신적인 AI 기반 아날로그 회로 설계 자동화 기술 등장!

국내 연구진이 개발한 AI 기반 아날로그 회로 설계 자동화 기술은 자기 지도 학습과 기반 모델을 통해 고품질 주석 데이터 부족 및 과제 다양성 문제를 해결, 96.6%의 높은 성공률과 압도적인 효율성을 달성했습니다. 이는 향후 아날로그 회로 설계의 혁신을 이끌 것으로 기대됩니다.

AI가 아날로그 회로 설계의 난공불락을 무너뜨린다?

최근 국내 연구진(정성유, 최원준, 최준웅, 아닉 비스와스, 김병섭)이 발표한 논문 "A Self-Supervised Learning of a Foundation Model for Analog Layout Design Automation"은 AI를 활용한 아날로그 회로 설계 자동화 분야에 획기적인 돌파구를 제시합니다. 이 연구는 기존 아날로그 회로 설계의 두 가지 주요 난제, 즉 1) 고품질 주석 데이터 부족과 2) 아날로그 회로 설계 과제의 과도한 다양성을 동시에 해결하는 데 초점을 맞추고 있습니다.

핵심은 '자기 지도 학습'과 '기반 모델'

연구진은 UNet 기반의 기반 모델을 제안하고, 자기 지도 학습 기법을 통해 이 문제를 해결했습니다. 소량의 비표지 레이아웃 데이터셋으로부터 무작위 패치 샘플링 및 무작위 마스킹 기법을 통해 방대한 양의 학습 데이터를 자동으로 생성하는 것이 핵심입니다. 이렇게 얻어진 데이터는 크기가 동일하고, 다양한 레이아웃 패턴에 대한 충분한 정보를 포함하며, 편향이 적습니다.

놀라운 성능: 96.6% 성공률과 압도적인 효율성

기반 모델은 6개의 실리콘 검증된 수동 설계 아날로그 회로로부터 얻은 324,000개의 샘플을 사용하여 사전 학습되었습니다. 그 후, 접점, 비아, 더미 핑거, N-웰, 금속 배선 등 다섯 가지 하위 작업에 대해 미세 조정되었습니다. 실험 결과, 미세 조정된 모델은 1,000개 이상의 미지 레이아웃 입력에 대해 성공적으로 작업을 수행했으며, 96.6%의 샘플에 대해 DRC/LVS 검증을 통과하는 레이아웃을 생성했습니다. 특히 금속 배선 작업에서, 미세 조정은 동일한 Dice score (0.95)를 달성하기 위해 기존 방식 대비 1/8의 데이터만을 필요로 했습니다. 동일한 데이터를 사용했을 때, 미세 조정은 기존 방식보다 검증 손실은 90% 낮추고, 벤치마크 점수는 40% 높였습니다.

미래를 위한 전망: 더욱 빠르고 효율적인 아날로그 회로 설계 시대

이 연구는 아날로그 회로 설계 자동화에 있어 획기적인 발전을 가져올 것으로 기대됩니다. 다양한 하위 작업에 대한 개별 모델 개발의 어려움을 해소하고, 설계 시간과 비용을 크게 절감할 수 있을 뿐 아니라, 보다 복잡하고 정교한 아날로그 회로 설계를 가능하게 할 것입니다. 이는 인공지능 기술이 반도체 산업의 혁신을 이끄는 중요한 사례로 기록될 것입니다.