(1) 회로설계 단계에서의 자동화 및 최적화 공정이 발달함에 따라, 기존에 설계한 회로들을 최신 공정으로 치환하는 주기가 매우 짧아지고 있음. 디지털 회로와 달리 아날로그 회로는 처음부터 다시 설계를 해야하므로, 디자인을 완성하는데 상대적으로 시간이 오래 걸림. 또한, 실리콘으로 검증된 회로였다 하더라도, 공정이 달라짐에 따라, 최적화 포인트가 필연적으로 바뀔 수밖에 없음. 따라서, 본 과제에서는 검증된 아날로그 회로에 대하여, 여러 가지의 다른 공정으로의 Migration 이 용이하며, 더 나아가 개선된 성능을 가지는 회로설계 방법론을 제안함. (2) 회로측정 단계에서의 자동화 및 최적화 회로설계 단계에서 자동화를 달성했더라도, 제작된 실리콘에서 성능 평가가 반드시 이루어져야 함. 시뮬레이션을 통해 얻은 성능과 실제 실리콘으로 제작된 회로들의 성능은 필연적으로 다르며, 각각의 최적 동작 조건 역시 다름. 따라서, 논문 발표를 위해서 또는 칩의 최적 동작을 위한 조건을 고객에게 제공하기 위해서라도, 측정 또는 테스트 단계에서의 최적 동작 조건을 찾는 것이 중요함. 본 과제에서는, 주어진 디지털 파라미터 (I2C 또는 Scan Chain 이용)들을 이용하여 제작된 회로의 최적 동작을 보장하는 알고리즘을 제안함. (3) 설계 및 측정 자동화를 위한 강화학습 알고리즘 개발 및 적용 회로설계 및 회로측정 단계에서의 자동화는 강화학습 알고리즘의 적용 없이도 가능함. 회로설계 같은 경우는, 시뮬레이션/레이아웃/성능평가 등의 일련의 과정들을 script 기반으로 수행. 레이아웃의 경우 BAG 나 LAYGO 툴을 이용하여 설계자의 개입 없이 미리 정해둔 규칙대로 설계. 따라서, script 기반으로 (python 이나 perl 등의 언어) 회로설계가 가능함. 또한, 측정 단계에서도 제작된 칩/측정 장비들/제어 PC가 동일 네트워크로 연결이 되어있다면, 앞서 회로설계에서 설명한 바와 같이 script 기반으로 제어가 가능하며 본 연구책임자는 이를 측정 자동화라고 일컫음. 위의 설계/측정 자동화는 본 연구책임자가 이미 수행한 바가 있으며, 더 나아가 이 플랫폼을 기반으로 좀 더 발전된 최적화 플랫폼을 개발하는 것이 본 연구과제의 핵심임. 이를 위해 강화학습이라는 개념을 도입하였으며, 이는 자동화를 넘어서 최적화 단계까지 이를 수 있다고 사료됨. 하드웨어 설계에 소프트웨어적인 성격이 짙은 강화학습을 도입하여, 기존의 비용이 많이 들던 집적회로 설계의 진입장벽을 낮추고, 소모 비용을 획기적으로 줄일 수 있을 것으로 기대함.