A3D: 자율적인 가속기 설계를 위한 에이전트 기반 AI (Agentic AI) 워크플로우

하드웨어 가속기 (Hardware Accelerator) 설계를 통해 애플리케이션을 가속화하는 것은 시스템 성능과 에너지 효율을 크게 향상시킬 수 있습니다. 고수준 합성 (High-Level Synthesis, HLS)과 같은 발전에도 불구하고, 복잡한 애플리케이션을 위한 가속기를 설계하는 것은 여전히 매우 노동 집약적입니다. 가속화할 워크로드 (Workload)에 대한 이해, 하드웨어 설계, 마이크로 아키텍처 (Micro-architecture), 그리고 EDA 툴 사용에 대한 상당한 전문 지식을 요구하기 때문에 애플리케이션 도메인 전문가들에게는 큰 도전 과제가 됩니다. 따라서 대부분의 가속기 솔루션은 규칙적이고 예측 가능한 데이터 흐름 (Dataflow)을 가진 애플리케이션으로 제한되어 있습니다.

AI의 발전은 자율적인 계획 (Planning), 추론 (Reasoning), 실행 (Execution) 및 성찰 (Reflection)을 수행하는 에이전트 (Agent)를 가능하게 했으며, 이는 에이전트 기반 AI (Agentic AI)를 통한 자동화의 전례 없는 잠재력으로 이어지고 있습니다. 본 논문에서는 하드웨어 가속기 설계의 엔드 투 엔드 (End-to-end) 자동화를 위한 에이전트 기반 AI 워크플로우인 A3D를 제시합니다. A3D는 워크로드 분석, 성능 병목 지점 (Performance Bottleneck) 식별, HLS 호환성을 위한 코드 리팩토링 (Code Refactoring), 그리고 마이크로 아키텍처 생성을 자동화합니다. 또한 A3D는 속도-면적 트레이드오프 (Speed-area tradeoff) 공간을 자동으로 탐색함으로써 다양한 가속기 설계를 생성합니다.

최근의 노력들은 HLS에서의 설계 공간 탐색 (Design Space Exploration)과 같은 특정 작업에 AI를 사용하는 방안을 탐구해 왔으나, 여전히 여러 작업은 수동으로 수행되어야 하는 상태로 남아 있습니다. A3D는 전문 에이전트 (Specialist Agent) 간의 신중한 작업 분할, 전문 에이전트와 검증 에이전트 (Verifier Agent)를 이용한 프로세스 루프 오케스트레이션 (Orchestration), 기존 및 맞춤형 툴 활용, 그리고 코드베이스 및 독점 EDA 툴 문서 탐색을 위한 에이전트 기반 RAG (Agentic RAG) 채택을 통해 현대적인 LLM (Large Language Models)을 가속기 설계에 적용할 때 발생하는 과제들을 해결합니다. Claude Sonnet 4.5 및 Catapult HLS 툴과 같은 상용 컴포넌트를 사용한 A3D의 구현은 LAMMPS (분자 역학 시뮬레이션) 및 QMCPACK (양자 화학)과 같은 복잡한 과학 애플리케이션으로부터 인간의 개입 없이 가속기 설계를 생성함으로써 그 효과를 입증합니다.