EvoDRC: 자동화된 DRC 위반 수정 시스템을 위한 자기 진화형 에이전트 프레임워크

EvoDRC: A Self-Evolving Agentic Framework for Automated DRC Violation Repair

설계 규칙 검사(DRC) 완료는 첨단 공정 설계의 주요 병목 현상입니다. 상세 라우터는 규칙을 준수하도록 설계되었지만, 여전히 잔여 설계 규칙 위반(DRV)은 수동 엔지니어링 변경 작업 반복을 필요로 하는 경우가 많습니다. 이러한 프로세스를 자동화하는 것은 복잡한 기하학적 상호 작용을 고려하고, 회로 연결성을 유지하며, 새로운 위반을 발생시키지 않도록 수정해야 하기 때문에 어렵습니다. 본 논문에서는 에이전트 기반의 블록 수준 DRC 수정을 위한 기술 진화 프레임워크인 EvoDRC를 제시합니다. EvoDRC는 관련 없는 참조 설계를 통해 얻은 지식을 사용하여 레이어별 수정 기술을 초기화하고, 대상 설계에서 수집된 추적 가능한 수정 경험을 통해 이러한 기술을 지속적으로 발전시킵니다. EvoDRC는 레이아웃을 제한된 수정 영역으로 분해하고 각 영역에 LLM 기반의 수정 에이전트를 할당합니다. 로컬 DRC 분석, 연결성 검사 및 영향 예측 도구는 제안된 수정 사항에 대한 피드백을 제공합니다. 수정 작업 및 그 결과 발생하는 DRV 변경 사항은 지식 데이터베이스에 저장되어 수정 기술을 발전시키는 데 사용됩니다. DAC26 DRC 벤치마크의 7가지 블록 수준 설계에 대한 실험 결과, EvoDRC는 보고된 기준 성능보다 73.5% 더 높은 전체적인 감소 효과를 달성했습니다.

Design rule check (DRC) closure remains a major bottleneck in advanced-node physical design. Although detailed routers are rule-aware, residual design rule violations (DRVs) often require manual engineering change order iterations. Automating this process is challenging because repairs must account for complex geometric interactions, preserve circuit connectivity, and avoid introducing new violations. We present EvoDRC, a skill-evolution framework for agentic block-level DRC repair. EvoDRC initializes layer-specific repair skills using knowledge distilled from an unrelated reference design and continuously evolves these skills using traceable repair experience collected from the target design. EvoDRC decomposes the layout into bounded repair regions and assigns an LLM repair agent to each region. Local DRC analysis, connectivity-checking, and impact-preview tools provide feedback on proposed modifications. Repair operations and their resulting DRV changes are stored in a knowledge database and used to evolve the repair skills. Experiments on seven block-level designs from the DAC26 DRC Benchmark show that EvoDRC achieves a 73.5\% overall reduction compared to the reported baseline.