E-Layout: RL 최적화된 등가성 포화 그래프 검색 증강 생성(RAG)을 통한 레이아웃 단계 로직 재구조화

요약

본 논문은 고급 IC 레이아웃 최적화 문제를 해결하기 위해 E-Layout이라는 ML 기반 프레임워크를 제안합니다. 이 프레임워크는 설계 수준 타이밍 피드백 하에 로직 변환과 물리적 구현을 공동으로 최적화하며, e-graph 등가성 포화와 그래프 기반 RAG, 강화학습(RL)을 결합했습니다. 테스트 결과, 기존 상용 흐름 대비 TNS 및 WNS 개선 효과를 입증했습니다.

핵심 포인트

• E-Layout은 레이아웃 단계 로직 재구조화를 위한 ML 프레임워크입니다.
• e-graph 등가성 포화와 RAG, RL을 결합하여 최적화를 수행합니다.
• 설계 수준 타이밍 피드백 하에 로직과 물리 구현을 공동으로 최적화합니다.
• 테스트 결과, 기존 상용 흐름 대비 TNS 및 WNS 개선 효과를 보였습니다.