인공지능(Artificial Intelligence, AI)은 통신, 의료 및 컴퓨터 지원 설계(Computer-Aided Design, CAD) 등 다양한 분야에서 점차적으로 활용되고 있다. 그러나 AI는 아날로그 및 RF 회로 설계 분야에서는 비교적 제한적인 발전만을 보였는데, 이는 5G와 같은 현대 통신 시스템에 필수적이면서도 복잡성과 비선형 특성이 크기 때문이다. 예를 들어, 인덕터-커패시터 전압 제어 발진기( LC-VCO )는 주파수 합성기의 핵심 구성요소로서, 고속 데이터 전송률과 넓은 대역폭을 포함한 RF 시스템의 성능을 좌우한다. 실제로 LC-VCO 설계는 높은 파라미터 변동성과 설계 변수 간의 복잡한 상호작용으로 인해 어렵기 때문에, 목표 사양을 만족하도록 파라미터를 최적화하기가 쉽지 않다. 따라서 본 연구는 다수의 공정 노드에 걸쳐 호환되며 레이아웃 수준까지 최적화를 지원하는 포괄적 LC-VCO 설계 방법론을 제안한다. 우리는 강화학습(Reinforcement Learning, RL)을 사용하여 회로도(스케매틱) 최적화를 위해 비선형 설계 공간을 효율적으로 탐색하고, 물리적 레이아웃 수준에서 설계를 최적화하기 위해 경사하강법(Gradient Descent) 계열의 알고리즘을 적용한다. 아울러 본 방법론의 범용성이 다양한 기술 노드와 주파수 범위에 걸쳐 최적화된 성능 지표(FoM, Figures of Merit)를 산출함으로써 입증되며, 모든 사용자가 접근할 수 있는 보편적 설계 도구로서의 잠재력을 보여준다는 점을 강조한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.