AI 에이전트로 RTL 파형 분석 자동화

최근 30일 조회수 —좋아요 —

핵심 요약

컬럼비아대와 구글 연구진이 자연어 질의로 RTL 파형 분석과 검증 디버깅을 자동화하는 BTTF를 제안했다.

AI 에이전트로 RTL 파형 분석 자동화 — 기사 주제를 표현한 AI 생성 개념 삽화
AI 생성 개념 삽화 · 실제 사건을 촬영한 사진이 아닙니다.

컬럼비아대와 구글 딥마인드(Google DeepMind), 구글 연구진이 RTL(레지스터 전송 수준) 파형 분석과 설계 검증 디버깅을 AI 에이전트로 자동화하는 프레임워크 ‘BTTF(Back-to-the-Future)’를 제안했다. 시뮬레이션 이후의 파형 분석을 자연어 질의로 수행하고, 신호 이상을 버전 관리된 RTL 저장소와 연관시키는 방식이다.1

연구진은 기존 대규모언어모델(LLM) 기반 전자설계자동화(EDA) 연구의 약 74.6%가 정적인 RTL 코드 생성에 집중해, 시뮬레이션 이후 검증과 대화형 파형 디버깅은 상대적으로 다뤄지지 않았다고 지적했다. BTTF는 방대한 비정형 시뮬레이션 덤프를 정규화한 관계형 SQLite 데이터베이스로 변환한다. 이어 여러 AI 에이전트가 협업해 사용자의 자연어 검증 질문을 데이터베이스 구조에 맞는 SQL로 바꾸고, 파형에서 발견한 신호 이상과 버전 관리된 RTL 코드를 함께 분석한다.

Semiconductor Engineering이 소개한 논문 초록에 따르면 BTTF는 150개 질의로 구성된 벤치마크에서 실행 정확도 95.33%를 기록했다. 다만 이 수치는 논문이 설정한 질의 벤치마크의 결과다. 실제 반도체 설계 현장의 다양한 시뮬레이터와 대규모 파형, 복잡한 검증 환경에서도 같은 수준의 자동화 성능을 내는지는 제시된 자료만으로 확인할 수 없다.

Footnotes

  1. Semiconductor Engineering, “Agentic AI Automates RTL Waveform Analysis And Debugging (Columbia, Google)” ↩

읽기 목록은 이 브라우저에 저장됩니다.

출처

  1. Agentic AI Automates RTL Waveform Analysis And Debugging (Columbia, Google) — Semiconductor Engineering · 자료: 2026. 10. 14.

이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.