Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

SymRTLO: Enhancing RTL Code Optimization with LLMs and Neuron-Inspired Symbolic Reasoning

Created by
  • Haebom

저자

Yiting Wang, Wanghao Ye, Ping Guo, Yexiao He, Ziyao Wang, Yexiao He, Bowei Tian, Shwai He, Guoheng Sun, Zheyu Shen, Sihan Chen, Ankur Srivastava, Qingfu Zhang, Gang Qu, Ang Li

개요

본 논문은 레지스터 전달 레벨(RTL) 코드 최적화를 위한 새로운 신경 기호 프레임워크인 SymRTLO를 제안합니다. SymRTLO는 대규모 언어 모델(LLM) 기반 코드 재작성과 기호 추론 기술을 통합하여 수동 최적화의 시간 소모 및 오류 발생 가능성을 줄이고, 복잡한 설계 제약 조건을 효과적으로 처리합니다. LLM 기반 코드 재작성의 정확성을 높이기 위해 검색 증강 생성(RAG) 시스템과 AST 기반 템플릿을 활용하며, 유한 상태 기계(FSM) 로직 분석 및 최적화를 위한 기호 모듈을 통해 미세한 상태 병합 및 부분 명세 처리를 지원합니다. 또한, 형식적 등가 검사와 테스트 기반 검증을 결합한 빠른 검증 파이프라인을 제공하여 검증의 복잡성을 줄입니다. 실험 결과, SymRTLO는 기존 최첨단 방법에 비해 전력, 성능, 면적(PPA)을 최대 43.9%, 62.5%, 51.1%까지 개선하는 것으로 나타났습니다.

시사점, 한계점

•
시사점:
◦
LLM 기반 RTL 코드 최적화의 정확성과 효율성을 향상시켰습니다.
◦
기호 추론을 활용하여 복잡한 설계 제약 조건을 효과적으로 처리합니다.
◦
FSM 로직 최적화를 위한 새로운 기호 모듈을 제시했습니다.
◦
빠른 검증 파이프라인을 통해 검증의 복잡성을 줄였습니다.
◦
기존 최첨단 방법 대비 PPA 개선 효과가 상당합니다.
•
한계점:
◦
SymRTLO의 성능은 사용된 LLM과 RAG 시스템의 성능에 의존적일 수 있습니다.
◦
복잡한 RTL 코드에 대한 최적화의 일반화 가능성에 대한 추가 연구가 필요합니다.
◦
제시된 검증 파이프라인의 완전성에 대한 추가 검증이 필요할 수 있습니다.
◦
특정 벤치마크에 대한 결과이므로 다른 설계에 대한 일반화 가능성을 확인해야 합니다.
👍
Made with Slashpage