본 논문은 디지털 회로 설계에서 매크로 배치 최적화를 위한 새로운 방법을 제시합니다. 기존 강화 학습 기반 방법의 한계(느린 속도, 일반화 어려움, 온라인 학습 필요)를 극복하기 위해, 제로샷(zero-shot) 학습이 가능한 확산 모델을 제안합니다. 효율적인 확산 모델 아키텍처 설계와 대규모 합성 데이터셋 생성 알고리즘을 통해 실제 회로에 대한 일반화 능력을 향상시켰으며, 기존 최첨단 방법들과 비교하여 경쟁력 있는 성능을 달성했습니다. 핵심은 RL 대신 guided sampling을 사용하여 배치 품질을 최적화하고, 대규모 합성 데이터셋으로 사전 학습하여 제로샷 일반화를 달성하는 것입니다.
