[주요 연구 내용 요약]

RTL(Register-Transfer Level) 코드 생성에 사용되는 대규모 언어 모델(LLM)의 문제점인 기능적 정확성과 PPA(전력, 성능, 면적) 최적화를 해결하기 위해 REvolution이라는 새로운 프레임워크를 제안합니다. 이 프레임워크는 Evolutionary Computation을 활용하여 여러 후보를 동시에 진화시키고, 실패와 성공 그룹으로 나누어 버그 수정 및 최적화를 수행합니다. 이를 통해 기존의 반복적 방법이 가진 국소적 최적화의 한계를 극복하고, RTL 코드의 성공률과 PPA를 크게 향상시킵니다.

해당 논문은 31st Asia and South Pacific Design Automation Conference(ASP-DAC), 2026, Accepted 되었습니다. 

[성과와 관련된 이미지 및 간단한 설명]

                             REvolution Framework

Functional Description들로부터 후보군을 초기화하고, 이후 자손 생성, 평가, 그리고 생존자 선택의 진화 과정을 종료 시점까지 반복합니다.

[그림 1] 관련 이미지.

[연구결과의 진행 상태 및 향후 계획]

학회 발표 예정 및 추가 실험을 통한 Journal Extension 예정