반도체대학원

POSTECH 반도체대학원

포스텍 반도체대학원 김병섭 교수 연구팀이 아날로그 반도체 설계 자동화를 위한
생성형 파운데이션 모델(Foundation Model^*1) 분야에서 기술적 한계를 해결하는 새로운 접근을 제시하였다.

아날로그 레이아웃 설계는 고도의 전문성이 요구되는 수작업 중심 공정으로, 대규모 학습 데이터 부족과 설계 작업의 다양성 문제로 자동화가 어려운 분야다.
연구팀은 이러한 난제를 극복하기 위해, 라벨이 없는 레이아웃 데이터로도 학습 가능한
자기지도 학습(Self-Supervised Learning^*2) 기반 파운데이션 모델을 개발하였다.

본 연구는 무작위 패치 샘플링과 랜덤 마스킹을 활용해 32만 개 이상의 학습 데이터를 자동 생성함으로써,
수동 라벨링 없이도 복잡한 아날로그 레이아웃 패턴을 효율적으로 학습할 수 있도록 하였다.
이를 기반으로 컨택·비아 연결, 더미 핑거 생성, N-Well 생성, 금속 라우팅 등 5가지 다운스트림 작업을 자동화하는 데 성공하였다.

특히 메탈 라우팅 생성 작업에서는 기존 처음부터 학습하는 방식 대비 1/8 수준의 데이터만으로 동일 성능을 달성하였으며,
검증 손실이 90% 감소하는 등 데이터 효율성이 획기적으로 향상되었다.
이는 아날로그 설계 자동화에서 가장 큰 장애 요인이었던 데이터 의존성 문제를 근본적으로 완화했다는 점에서 산업적 의의가 크다.

해당 연구는 회로·시스템 분야 최상위 저널로 평가받는, IEEE Transactions on Circuits and Systems I (TCAS-I)에 게재되었으며,
AI 기반 아날로그 레이아웃 자동화 기술의 새로운 가능성을 제시한 성과로 높이 평가된다.
연구팀은 향후 다양한 회로 데이터로 모델을 확장하고, 소자 배치·대칭 레이아웃·전원망 설계 등 아날로그 설계 전 과정을 자동화하는 연구를 이어갈 계획이다.