AgenticPD: 물리 설계 품질 향상을 위한 단계별 에이전트 기반 프레임워크

AgenticPD: A Stage-Aware Agentic Framework for Physical Design QoR Optimization

물리 설계의 품질 최적화는 어렵고 비용이 많이 드는 작업입니다. 한 단계에서의 결정은 이후 단계에 긍정적인 영향을 미치거나 부정적인 영향을 미칠 수 있습니다. 각 평가는 전체 프로세스를 거치는 고가의 EDA 실행을 필요로 합니다. 기존 방법들은 여전히 최적화를 단순히 매개변수 조정 또는 LLM 기반 스크립트 생성 작업으로 취급하는 반면, 우리는 물리 설계 품질 향상을 위한 단계별 에이전트 기반 프레임워크인 AgenticPD를 제시합니다. AgenticPD는 매 실험마다 전체 프로세스를 다시 실행하는 대신, 물리 설계 흐름의 각 단계를 기준으로 구성됩니다. 여기서 '판사' 에이전트는 탐색을 수행하고, 각 단계에 특화된 에이전트들은 자체 단계 내에서 자체 도구를 사용하여 로컬 결정을 내립니다. 또한, AgenticPD의 에이전트 시스템은 구조화된 관찰 데이터, 실행 기록 및 에이전트 컨텍스트 관리 기능을 제공합니다. 결과적으로, 이 시스템은 이전 중간 상태로부터 분기하고 체크포인트를 재사용하여 최적화 절차를 계속할 수 있으며, 모든 후보는 라우팅 완료 후 최종 검증을 거칩니다. 실험 결과, AgenticPD는 기존 방법들과 비교했을 때 우수한 라우팅 후 타이밍 성능을 달성하면서도 전력 소비 및 면적 측면에서도 경쟁력을 유지합니다.

Physical design quality-of-results~(QoR) optimization is hard and expensive. Choices made at one stage can help or hurt later stages. Each evaluation requires a costly EDA run through the full flow. While existing methods still treat optimization as flat parameter tuning or a LLM-based script generation task, we present AgenticPD, a stage-aware agentic framework for physical design QoR optimization. Instead of re-running the full flow after every trial, AgenticPD is organized around the stage boundaries of the physical design flow, where a Judge Agent navigates the search and stage-specialized agents make local decisions within their own stage using stage-local tools. Additionally, the agent harness in AgenticPD provides structured observations, execution history, and agent context management. As a result, the system can branch from prior intermediate states and reuse checkpoints to continue the optimization procedure, and every candidate is evaluated at the post-route signoff. Across these baselines, AgenticPD achieves strong post-route timing while remaining competitive in power and area.