무선 주파수 (RF) 증폭기 설계를 자동화하는 것은 기존 방법들이 차원의 저주 (curse of dimensionality), 도메인 지식 활용의 취약성, 그리고 낮은 전이 가능성으로 인해 데이터 효율성이 떨어진다는 문제 때문에 여전히 어려운 과제로 남아 있습니다. 한편, 대규모 언어 모델 (LLMs)이 많은 과학 분야에서 가능성을 보여주었음에도 불구하고, 회로 최적화의 수치적 특성과 도메인 특화 설계 흐름에 대한 의존성 때문에 이를 RF 사이징 (sizing)에 직접 적용하는 것은 쉽지 않습니다. 이를 해결하기 위해, 본 논문은 RF 증폭기 사이징을 자동화하는 멀티 에이전트 프레임워크인 RFAmpDesigner를 제안합니다. 이 프레임워크는 고차원 파라미터 튜닝을 저차원 자원 배분 문제로 재구성하는 자원 할당 미들웨어를 도입하여, 범용 LLM에 사이징 지식을 주입하기 쉽게 만듭니다. 또한, 이 프레임워크는 표준 설계 관행을 따르며, LLM이 비용이 높은 작업과 낮은 작업을 구분하고 병렬로 탐색할 수 있도록 합니다. 자기 진화형 최적화 과정을 구현하기 위해, 프레임워크는 검색 증강 생성 (RAG)을 채택하여 메모리 베이스로부터 과거의 지식과 경험을 재사용합니다. 개념 증명 (proof of concept)으로서, 우리는 다양한 복잡도를 가진 저잡음 증폭기 (low noise amplifiers)에 RFAmpDesigner를 적용했습니다. 실험 결과, 이 프레임워크는 10%에서 80% 사이의 분수 대역폭 (fractional bandwidths)과 10 GHz에서 50 GHz 사이의 중심 주파수를 가진 설계를 자동으로 합성할 수 있음을 보여주었습니다. 우리가 알고 있는 바로는, 본 연구는 넷리스트 (netlists)를 텍스트로 취급하는 대신 설계 개념을 기반으로 작동하는 최초의 LLM 기반 RF 증폭기 사이징 접근 방식을 개발하였으며, RF 설계에서의 데이터 부족 문제를 완화하기 위한 새로운 솔루션을 제공합니다.