MappingEvolve: LLM 기반 기술 매핑을 위한 코드 진화

기술 매핑 (technology mapping) 은 논리 합성 (logic synthesis) 의 핵심적이면서도 어려운 단계입니다. 대형 언어 모델 (LLM, Large Language Models) 이 최적화 스크립트 생성에 적용되어 왔지만, 핵심 알고리즘 향상을 위한 잠재력은 아직 개발되지 않았습니다. 우리는 LLM 을 직접 사용하여 기술 매핑 코드를 진화시키는 선구적인 오픈소스 프레임워크인 MappingEvolve 를 소개합니다. 우리의 방법은 매핑 과정을 별도의 최적화 연산자 (optimization operators) 로 추상화하고, Planner, Evolver, Evaluator 로 구성된 계층적 에이전트 기반 (agent-based) 아키텍처를 사용하여 진화적 탐색을 안내합니다. 이러한 구조화된 접근 방식은 전략적이고 효과적인 코드 수정을 가능하게 합니다. 실험 결과, 우리의 방법은 직접 진화와 강력한 베이스라인에 비해 현저히 우수한 성능을 보였으며, ABC 대비 10.04% 의 면적 감소 (area reduction) 와 mockturtle 대비 7.93% 의 면적 감소를 달성했습니다. 또한 EPFL 벤치마크에서 $S_{overall}$ 가 46.6%~96.0% 향상되었고, 면적-지연 트레이드오프 (area--delay trade-off) 를 명시적으로 탐색했습니다. 우리의 코드와 데이터는 https://github.com/Flians/MappingEvolve 에서 이용 가능합니다.