본 논문은 실제적인 아날로그 회로 설계 문제 해결을 목표로 하는 LLM 기반 에이전트인 AnalogXpert를 제안합니다. 기존 연구들이 모호한 설계 요구사항을 입력으로 받아 이상적인 모델을 출력하는 것과 달리, AnalogXpert는 상세한 구조적 요구사항과 디바이스 레벨 모델을 고려합니다. 아날로그 토폴로지를 SPICE 코드로 표현하고, 서브 회로 라이브러리를 도입하여 설계 공간을 줄이며, CoT와 in-context learning을 통해 블록 선택 및 연결이라는 두 개의 하위 작업으로 문제를 분해합니다. 또한, 반복적인 검토 및 수정을 통해 초기 설계의 오류를 점진적으로 수정하는 교정 전략을 도입하여 실제 설계 과정을 모방합니다. 30개의 실제 데이터와 2,000개의 합성 데이터로 구성된 고품질 벤치마크를 사용하여 평가한 결과, 합성 데이터셋과 실제 데이터셋에서 각각 40%와 23%의 성공률을 달성하여 GPT-4o보다 훨씬 나은 성능을 보였습니다.
