본 논문은 고위 합성(HLS) 설계 공간 탐색(DSE)의 효율성을 높이기 위해 대규모 언어 모델(LLM)을 활용한 새로운 프레임워크인 iDSE를 제안합니다. 기존 DSE 방법들은 휴리스틱 또는 예측 모델에 의존하여 최적 설계를 찾지만, 탐색 비용이 높고 최적이 아닌 결과를 초래하는 한계를 지닙니다. iDSE는 LLM의 설계 품질 인식 능력을 활용하여 설계 공간을 효과적으로 탐색하고, 대표적인 초기 샘플 설계를 보정하여 Pareto 최적점에 빠르게 수렴합니다. LLM의 수렴 및 발산적 사고 패턴을 활용하여 설계 품질과 다양성을 다중 경로로 개선합니다. 실험 결과, iDSE는 기존 휴리스틱 기반 DSE 방법보다 5.1배~16.6배 빠르게 Pareto 최적점에 근접하며, NSGA-II와 비슷한 성능을 4.6%의 설계만 탐색하여 달성합니다.
