본 논문은 최근 강화된 추론 능력을 갖춘 대규모 언어 모델(LLM)을 활용하여 하드웨어 설계, 특히 고수준 합성(HLS)의 설계 공간 탐색 및 최적화 문제를 해결하는 방안을 제시합니다. 기존 HLS 과정에서 엔지니어는 성능과 자원 제약 조건 간의 균형을 맞추기 위해 수동으로 프라그마/지시문을 정의하는데, 본 논문에서는 LLM 기반의 최적화 에이전트 프레임워크를 제안합니다. 이 프레임워크는 코드를 자동으로 재구성하고, 프라그마를 삽입하며, HLS 툴의 피드백과 정수 선형 계획법(ILP) 솔버를 이용하여 최적의 설계 지점을 찾습니다. OpenAI o3-mini와 DeepSeek-R1과 같은 LLM을 사용하여 실험을 진행하고, 성공률, 효율성, 설계 품질(면적/지연 시간) 지표를 기반으로 기존 LLM과의 비교 분석을 수행합니다. 특히, DeepSeek-R1과 같은 강력한 오픈소스 추론 모델이 생성하는 추론 과정(CoT)을 최초로 공개합니다.
