본 논문은 차세대 마이크로프로세서 혁신을 위해 AI 기반 EDA 도구, 고성능 컴퓨팅 및 병렬 알고리즘의 활용이 필수적임을 강조합니다. 기존의 머신러닝 기반 DRC 위반 예측은 균형 잡힌 대규모 데이터셋과 긴 학습 시간을 필요로 하는 지도 학습 방식에 의존하는 한계를 지닙니다. 이에 본 연구는 최초로 비지도 학습 기반의 DRC 위반 예측 방법론을 제시합니다. 단일 클래스의 불균형 데이터셋만을 사용하여 모델을 구축하고, 임계값을 설정하여 새로운 데이터의 분류 여부를 판단합니다. 28nm CMOS 기술과 Synopsys EDA 툴을 이용하여 구현한 실험 결과, 제안된 방법론은 99.95%의 예측 정확도를 달성하였으며, SVM 및 NN 모델(각각 85.44%, 98.74%)에 비해 훨씬 빠른 학습 속도(SVM 대비 26.3배, NN 대비 최대 6003배)를 보였습니다.
