AstRL: Analog and Mixed-Signal Circuit Synthesis with Deep Reinforcement Learning

Created by

Haebom

저자

Felicia B. Guo, Ken T. Ho, Andrei Vladimirescu, Borivoje Nikolic

💡 개요

본 논문은 복잡하고 비선형적인 아날로그 및 혼합 신호(AMS) 회로 설계 자동화의 어려움을 해결하기 위해, 회로 설계를 그래프 생성 문제로 접근하고 딥 강화학습 기반의 새로운 합성 방법론인 AstRL을 제안한다. AstRL은 정책 경사 학습 접근법을 기반으로 시뮬레이터 환경에서 실제적인 피드백을 받아 사용자 지정 목표에 최적화된 회로를 직접 생성하며, 행동 복제 및 판별기 기반 유사도 보상을 통해 전문가 수준의 회로 생성을 시뮬레이션 환경에서 최초로 검증하였다. 특히, 개별 트랜지스터 수준에서 작동하여 미세하고 표현력이 풍부한 토폴로지 생성이 가능하며, 실험 결과는 기존 설계 방식 대비 상당한 성능 향상을 보여주었다.

🔑 시사점 및 한계

•

딥 강화학습을 활용하여 복잡하고 비선형적인 AMS 회로 설계 자동화의 가능성을 제시하였다.

•

개별 트랜지스터 수준에서의 상세한 토폴로지 생성을 통해 기존 방법론 대비 뛰어난 성능을 달성하였다.

•

생성된 회로의 100% 구조적 정확성과 90% 이상의 기능성 확보는 실제 설계 적용 가능성을 높인다.

•

실제 하드웨어 구현에서의 검증 및 다양한 종류의 AMS 회로 설계에 대한 일반화 성능 향상이 향후 과제로 남는다.

PDF 보기

Made with Slashpage