ATLAS: 적응형 TDA 기반 지형 인식 트랜지스터 크기 조정

아날로그 트랜지스터 크기 조정은 여러 성능 사양을 동시에 만족시키는 설계 매개변수를 찾는 과정으로, 회로 설계에서 노동 집약적인 병목 현상입니다. 아날로그 회로 전문가를 지원하기 위해 베이지안 최적화(BO), 강화학습(RL) 등 다양한 자동화 방법이 제안되어 왔습니다. 하지만 기존 방법들은 작동 영역 전환, 상충되는 사양 트레이드오프, 비볼록 장치 물리학 등으로 인해 분리된 영역으로 조각날 수 있는 실현 가능한 설계 공간의 위상적 구조를 간과한다는 문제가 있습니다. 이러한 위상적 맹점은 최적화기가 단일 실현 가능 영역 내에서 수렴하게 만들고, 우수한 설계를 포함할 수 있는 다른 영역들을 놓치게 합니다. 이 한계점을 해결하기 위해 우리는 Topological Data Analysis (TDA)를 활용하는 BO 프레임워크인 ATLAS를 제안합니다. 매 반복마다, Mapper 그래프가 대리 예측된 실현 가능 영역 위에 구성되어 연결된 영역을 추정함으로써, 관찰된 실현 가능한 지점이 전혀 없음에도 불구하고 첫 번째 반복부터 위상 인지 탐색이 가능하게 합니다. 위상 민감도 점수는 후보들을 브릿지(bridge), 프론티어(frontier), 또는 내부 지점으로 분류하여 획득 함수에 목표화된 탐색 보너스를 주입합니다. GF180 및 SKY130 공정의 네 가지 아날로그 회로 벤치마크에서 수행한 실험은 ATLAS가 RL 및 BO 방법과 같은 기준선보다 훨씬 적은 시뮬레이션으로 실현 가능한 설계를 찾음을 입증했습니다. 우리가 아는 한, 이는 아날로그 회로 설계 자동화에 위상적 데이터 분석을 적용한 최초의 연구입니다. 공식 구현체는 https://github.com/youngmin0oh/atlas에서 공개적으로 이용 가능합니다.