NSF 워크숍: 전자 설계 자동화(EDA)를 위한 인공지능 보고서

Report for NSF Workshop on AI for Electronic Design Automation

본 보고서는 2024년 12월 10일, 밴쿠버에서 NeurIPS 2024와 함께 개최된 NSF 워크숍 "전자 설계 자동화(EDA)를 위한 인공지능(AI)"에서 논의된 내용과 권고사항을 요약합니다. 머신러닝 및 EDA 분야의 전문가들이 모여 대규모 언어 모델(LLM), 그래프 신경망(GNN), 강화 학습(RL), 신경-기호 방법 등 다양한 AI 기술이 EDA를 어떻게 발전시키고 설계 프로세스 시간을 단축할 수 있는지 논의했습니다. 워크숍은 다음 네 가지 주제를 다룹니다: (1) 물리적 합성 및 제조 설계(DFM)를 위한 AI: 물리적 제조 공정의 과제와 잠재적인 AI 응용 분야를 논의합니다; (2) 고수준 및 논리 수준 합성(HLS/LLS)을 위한 AI: 프라그마 삽입, 프로그램 변환, RTL 코드 생성 등을 다룹니다; (3) 최적화 및 설계를 위한 AI 도구 모음: EDA 작업에 잠재적으로 적용될 수 있는 최첨단 AI 개발 동향을 논의합니다; (4) 테스트 및 검증을 위한 AI: LLM 기반 검증 도구, 머신러닝 기반 SAT 해결, 보안/신뢰성 문제 등을 포함합니다. 본 보고서는 NSF에 AI/EDA 협력을 장려하고, EDA를 위한 기초 AI 기술에 투자하며, 견고한 데이터 인프라를 구축하고, 확장 가능한 컴퓨팅 인프라를 구축하며, 인력 양성에 투자하여 하드웨어 설계의 민주화를 촉진하고 차세대 하드웨어 시스템을 가능하게 할 것을 권고합니다. 워크숍 정보는 다음 웹사이트에서 확인할 수 있습니다: https://ai4eda-workshop.github.io/.

This report distills the discussions and recommendations from the NSF Workshop on AI for Electronic Design Automation (EDA), held on December 10, 2024 in Vancouver alongside NeurIPS 2024. Bringing together experts across machine learning and EDA, the workshop examined how AI-spanning large language models (LLMs), graph neural networks (GNNs), reinforcement learning (RL), neurosymbolic methods, etc.-can facilitate EDA and shorten design turnaround. The workshop includes four themes: (1) AI for physical synthesis and design for manufacturing (DFM), discussing challenges in physical manufacturing process and potential AI applications; (2) AI for high-level and logic-level synthesis (HLS/LLS), covering pragma insertion, program transformation, RTL code generation, etc.; (3) AI toolbox for optimization and design, discussing frontier AI developments that could potentially be applied to EDA tasks; and (4) AI for test and verification, including LLM-assisted verification tools, ML-augmented SAT solving, security/reliability challenges, etc. The report recommends NSF to foster AI/EDA collaboration, invest in foundational AI for EDA, develop robust data infrastructures, promote scalable compute infrastructure, and invest in workforce development to democratize hardware design and enable next-generation hardware systems. The workshop information can be found on the website https://ai4eda-workshop.github.io/.