RAG Prompting and DQN Reinforcement Learning-based Integrated Framework for 2stage-OpAmp Layout Automation and LPE Performance Optimization

본 논문에서는 아날로그 회로 레이아웃 설계의 자동화를 위해 RAG 프롬프트 기반으로 소자 배치와 라우팅 레이아웃을 자동 으로 생성하고 DQN 강화학습을 통해 DRC/LVS 불일치를 반복적으로 수정하는 프레임워크를 제안한다. 또한, 생성한 레이아웃 기생 추출(LPE)을 통해서 스케매틱 시뮬레이션과 레이아웃 시뮬레이션의 성능을 비교하고 강화학습을 통해 두 회로의 성능 차 이를 최소화하였다. 이를 통해 아날로그 회로 레이아웃의 생성 - 검증 - 최적화를 아우르는 자동화 프레임워크 시스템을 구현 하였다.