본 논문은 전자 설계 자동화(EDA) 워크플로 내 논리 합성 최적화(LSO)에 머신러닝(ML)을 적용하는 새로운 접근 방식인 LSOformer를 제안합니다. 기존의 강화 학습 기반 방법들의 과적합 및 일반화 한계를 극복하기 위해, LSOformer는 오토리그레시브 트랜스포머 모델과 예측적 자기 지도 학습(SSL)을 활용하여 품질 결과(QoR)의 경로를 예측합니다. 회로 그래프와 최적화 시퀀스로부터 통찰력을 결합하는 크로스 어텐션 모듈을 통합하여 QoR 지표 예측 정확도를 향상시킵니다. 실험 결과, LSOformer는 EPFL, OABCD 및 독점 회로 데이터셋에서 기준 아키텍처보다 우수한 성능을 보이며, 각각 5.74%, 4.35%, 17.06%의 성능 향상을 달성했습니다.
