본 논문은 대규모 언어 모델(LLM) 에이전트를 활용하여 기존 로직 합성 시스템인 extsc{ABC}를 자율적으로 진화시키는 최초의 프레임워크를 제시합니다. 이 '자체 진화형' 접근 방식은 단순히 ABC의 일부 모듈을 개선하는 것을 넘어, 전체 통합 코드베이스에 걸쳐 작동하며 그 결과물도 단일 바이너리 실행 모델과 기존 명령 인터페이스를 유지합니다.

프레임워크는 초기 단계에서 이미 존재하는 오픈소스 합성 컴포넌트(흐름 튜닝, 로직 최소화, 기술 매핑 등)를 활용하여 시스템을 부트스트랩하지만, 이 과정에서 사람이 새로운 휴리스틱을 수동으로 주입하지 않습니다. 그 후, LLM 기반 에이전트 팀이 핵심적인 서브 컴포넌트를 반복적으로 재작성하고 진화시킵니다. 이때 '프로그래밍 가이드(programming guidance)'라는 프롬프트를 통해 지침을 받으며 작동합니다.

가장 중요한 부분은 평가 루프입니다. 각 진화 주기마다 시스템은 코드 수정안을 제안하고, 통합 바이너리를 컴파일하며, 정확성 검증을 수행합니다. 이후 다수의 벤치마크(ISCAS85/89/99, VTR, EPFL, IWLS2005 등)에서 **품질-결과 평가(Quality-of-Results, QoR)**를 진행하여 성능을 측정합니다. 이러한 지속적인 피드백 과정을 통해 시스템은 인간이 설계한 휴리스틱의 범위를 뛰어넘는 최적화 방식을 스스로 발견하고, 결과적으로 QoR을 향상시키는 새로운 합성 전략을 효과적으로 학습해냅니다.

연구진은 이 자가 개선 시스템의 아키텍처와 extsc{ABC}와의 통합 과정을 상세히 설명하며, 해당 프레임워크가 수백만 라인 규모의 EDA 도구를 자율적이고 점진적으로 향상시킬 수 있음을 입증하는 결과를 제시합니다. 이는 EDA(Electronic Design Automation) 분야에서 AI를 활용한 소프트웨어 개발 패러다임의 근본적인 변화를 예고합니다.