NEMESIS: 역변환 인지 SPICE 앵커링을 통한 NEtlist 기반 모델링 및 방정식 합성

원문 발행 2026. 07. 07. 06:57원문 언어 영어AI 한국어 번역arXiv cs.AR 원문 보기

요약

본 연구는 LLM을 활용하여 연산 트랜스컨덕턴스 증폭기(OTA) 설계를 위한 멀티모달 프레임워크 NEMESIS를 제안합니다. NEMESIS는 해석적 모델과 SPICE 평가 간의 균형을 맞추며, 회로 입력으로부터 점진적으로 정확한 성능 방정식을 생성합니다. 이 프레임워크는 기존 결과를 활용하거나 LLM으로 초기 방정식을 도출하고, SPICE 기반 루프를 통해 정제하여 높은 효율성을 입증했습니다.

핵심 포인트

LLM을 이용해 OTA 설계를 위한 멀티모달 프레임워크 NEMESIS 제시
해석적 모델과 SPICE 평가의 균형을 맞추어 설계 정확도 향상
SPICE 기반 복구 루프를 통해 성능 방정식을 반복적으로 정제함
5가지 OTA 토폴로지에서 평균 상대 오차 <7% 달성 및 4622배 속도 개선 입증

본 연구는 대규모 언어 모델(LLMs)을 사용하여 연산 트랜스컨덕턴스 증폭기(OTA) 설계를 위한 멀티모달 프레임워크인 NEMESIS를 제시합니다. NEMESIS는 빠르고 근사적인 해석적 모델과 정확하지만 계산 비용이 많이 드는 SPICE 평가 사이의 균형을 맞춥니다. OTA 네트리스트와 회로도를 입력받아, NEMESIS는 먼저 회로 기본 요소(circuit primitives)를 식별한 다음 점진적으로 더 정확한 성능 방정식을 생성합니다. 이 프레임워크는 구조적으로 유사한 OTA에 대한 이전 NEMESIS 호출에서 검색된 방정식으로 시작하며, 사용 가능한 경우 이를 사용하고; 그렇지 않은 경우 LLM을 사용하여 회로 입력으로부터 초기 방정식을 직접 도출합니다. 이러한 방정식들은 SPICE 기반의 복구 루프(repair loop)를 통해 반복적으로 정제됩니다. 상용 65nm PDK 환경에서 NEMESIS는 다섯 가지 OTA 토폴로지에 대해 시연되었으며, 바이어싱 범위 전반에 걸쳐 평균 상대 오차 <7%인 SPICE 검증 방정식과 전체 SPICE 기반 평가 대비 약 4622배의 후 수렴(post-convergence) 평가 속도 향상을 달성했습니다.

AI 자동 생성 콘텐츠

원문 바로가기

NEMESIS: 역변환 인지 SPICE 앵커링을 통한 NEtlist 기반 모델링 및 방정식 합성

요약

핵심 포인트

댓글