PRISM, 제한된 합성 평가로 RTL PPA 개선

ai.euno.news 자동 뉴스 요약

대규모언어모델(LLM)로 레지스터 전송 수준(RTL) 회로를 고쳐 전력·성능·면적(PPA)을 함께 개선하면서, 비용이 큰 상용 합성 도구 호출은 제한하는 기법이 제안됐다. 11월 8일 arXiv에 공개된 PRISM(Preference-based Reward and Uncertainty-Integrated Synthesis Minimization)은 정해진 합성 평가 예산 안에서 유망한 설계 후보를 골라내는 다목적 최적화 프레임워크다.¹

PRISM은 합성 가능한 기준 RTL과 기능 검증용 테스트벤치에서 출발한다. LLM이 RTL 수정안을 만들면 빠른 컴파일과 시뮬레이션으로 기능적 동등성을 거르고, 저비용 대리 특성을 추출한다. 이후 모든 후보를 상용 도구로 합성하지 않고, 선별된 후보만 시놉시스 디자인 컴파일러(Synopsys Design Compiler·DC)로 평가한다. 핵심은 제한된 DC 호출을 어느 후보에 배분하느냐다.

이를 위해 연구진은 DC 평가 결과에서 두 후보의 우열 정보를 만들고, 쌍별 순위 학습으로 선호 기반 보상 모델을 훈련했다. 여기에 여러 모델의 예측 차이로 산출한 불확실성과 후보 간 다양성을 반영한 획득 규칙을 결합했다. 초기에 생긴 편향 때문에 탐색 범위가 좁아지거나, 비슷한 후보를 반복 평가하는 일을 줄이려는 설계다.

PRISM은 실행 중 지금까지 발견한 최선의 비지배 설계를 절충 집합 G에 계속 보존한다. G는 다음 수정안 생성과 개선 과정에 다시 투입된다. 매번 기준 RTL부터 다시 시작하는 대신, 지금까지 확보한 절충안을 누적해 탐색을 이어가는 구조다.

논문은 RTLLM v2.0 모듈에서 상용 합성 도구 호출 횟수를 고정한 상태로 합성 후 PPA가 일관되게 개선됐다고 보고했다. 보상 모델을 이용한 선택과 후보를 탈락시키는 절차가 평가 효율에 핵심이라는 제거 실험 결과도 제시했다. 같은 파이프라인을 재훈련 없이 7나노미터, 15나노미터, 45나노미터 공정에 적용했다는 점도 특징이다.¹

다만 제공된 초록에는 기준 기법별 PPA 개선 폭이나 DC 호출 절감률이 제시되지 않았다. 또 이번 결과는 2026년 11월 공개된 arXiv 초판으로, 현재 자료만으로는 모듈 규모가 커졌을 때의 효과나 다른 합성 도구에서도 같은 결과가 나오는지 판단하기 어렵다.

읽기 목록은 이 브라우저에 저장됩니다.