아날로그 회로 설계 연속체를 위한 대형 언어 모델
읽는 시간: 2 분
...
📝 원문 정보
- Title: LLMs for Analog Circuit Design Continuum (ACDC)
- ArXiv ID: 2512.09199
- 발행일: 2025-12-09
- 저자: Yasaman Esfandiari, Jocelyn Rego, Austin Meyer, Jonathan Gallagher, Mia Levy
📝 초록 (Abstract)
대형 언어 모델(LLM)과 트랜스포머 아키텍처는 다양한 자연어 과제에서 뛰어난 추론·생성 능력을 보여 왔지만, 실제 엔지니어링 현장에서의 신뢰성 및 견고성은 아직 충분히 검증되지 않아 인간 중심 워크플로우에의 실용적 활용이 제한되고 있다. 본 연구에서는 물리적 제약과 도메인‑특화 추론, 그리고 회로 표현을 필요로 하는 아날로그 회로 설계 작업에 LLM을 적용해 인간이 루프에 남아 있는 AI‑보조 설계 방식을 조사한다. 데이터 표현 방식이 모델 행동에 미치는 영향을 분석하고, 소형 모델(T5, GPT‑2)과 대형 기반 모델(Mistral‑7B, GPT‑oss‑20B)을 다양한 학습 조건 하에서 비교하였다. 실험 결과, 데이터 포맷에 대한 민감성, 생성 설계의 불안정성, 그리고 보지 못한 회로 구성에 대한 일반화 한계 등 주요 신뢰성 문제를 확인하였다. 이러한 발견은 복잡한 엔지니어링 과제에서 인간 능력을 증강시키는 도구로서 LLM의 한계와 잠재력을 조명하고, 구조화된 실세계 응용을 위한 신뢰할 수 있는 기반 모델 설계에 대한 통찰을 제공한다.💡 논문 핵심 해설 (Deep Analysis)
둘째, 모델 규모와 아키텍처의 차이를 실험한다. 소형 모델(T5, GPT‑2)은 학습 데이터가 제한적일 경우 빠른 추론과 저비용 배포가 장점이지만, 회로 설계와 같은 복합 논리 흐름을 유지하는 데 한계가 있…