제약을 학습하는 VAE 기반 레이아웃 역설계 방법

본 논문은 레이아웃 설계에서 흔히 마주치는 복잡한 제약 조건과 물리적 관계를 기존 최적화 기법이 처리하기 어려운 문제로 인식하고, 이를 해결하기 위해 변분 오토인코더(Variational Autoencoder, VAE)를 기반으로 한 새로운 역설계 프레임워크를 제안한다. 먼저, 레이아웃 설계 문제를 “초기 레이아웃 → 최종 형태”라는 입력‑출력 쌍으로 정의하고, 이러한 쌍을 이미지 형태로 결합한 데이터를 대량으로 생성한다. 여기서 초기 레이아웃은 제조 공정상의 제약(예: 최소 피처 크기, 특정 형상) 을 만족하도록 설계되고, 최종 형태는 물리 시뮬레이션(표면 확산, 광학 전파 등)을 통해 얻어진다. VAE는 인코더와 디코더 두 부분으로 구성된다. 인코더는 결합 이미지(초기+최종)를 100 차원의 가우시안 잠재 변수 z 로 압축하고, 디코더는 z 로부터 다시 이미지 전체를 복원한다. 네트워크는 4개의 은닉층(각 512 노드)과 ELU 활성화 함수를 사용하며, 출력층은 시그모이드 함수를 적용해 픽셀 값을