TAPCO-G: LLM 기반 설계 적응형 타이밍 및 전력 공동 최적화를 위한 그래프 기반 물리 사전 지식 활용

배치 후(Post-placement)의 타이밍 및 전력 공동 최적화는 설정 타이밍 목표를 충족하고 배치 제약 조건 내에서 전력을 줄이는 데 매우 중요합니다. 셀 교체(cell replacement)는 한 경로의 타이밍을 개선할 수 있지만, 다른 경로에서는 전력이 증가하거나 슬랙(slack)이 감소할 수 있습니다. 기존 최적화 도구들은 스케줄링 및 복구 적용에 대해 고정된 규칙을 따르기 때문에, 설계별 병목 현상을 해결하는 능력이 제한적입니다.

대규모 언어 모델(LLM)은 이러한 규칙 변경을 제안할 수 있지만, 그 자체만으로는 셀 교체가 엔드포인트 슬랙과 전력에 어떻게 영향을 미치는지 신뢰성 있게 추정할 수 없습니다. TAPCO-G는 LLM 기반 최적화기 적응(optimizer adaptation)과 그래프 기반 물리 사전 지식(graph-based physical priors)을 결합하여 후보 셀 교체를 평가합니다. 외부 루프(outer loop)는 물리 설계 피드백을 사용하여 도구 설정을 조정하고, 튜닝이 정체될 때 실행 가능한 복구 정책을 수정합니다. 내부 루프(inner loop)는 지연 시간 추정치를 정적 타이밍 분석(static timing analysis) 스냅샷에 고정시키고, 상류 드라이버-부하 변화를 고려하며, 타이밍 엔드포인트로 지연 시간 변화를 전파합니다. 이는 이러한 추정치들을 거친-세밀(coarse-to-fine) 전력 스크리닝과 결합하여 물리적 테스트를 위한 후보군을 우선순위화합니다.

TAPCO-G는 배치 적법성(placement-legal) 및 논리 등가성(logic-equivalent) 구현체를 생성했으며, MLCAD 2026 콘테스트의 모든 8개 ASAP7 벤치마크에서 CERBERUS를 능가하는 성능을 보였습니다. 평균 품질 점수 향상은 5.516점이었으며, TAPCO 대비 평균 21.648점 높은 점수를 기록했습니다. 이러한 결과는 제안된 공동 최적화 프레임워크의 효과성을 입증합니다.