PICasso는 자연어 설계 명세를 받아 광집적회로(PIC)를 자동으로 합성·검증·최적화하는 AI 프레임워크로, 자연어를 YAML로 변환한 뒤 GDS 레이아웃까지 생성하는 파이프라인에 공정설계키트(PDK) 지식 주입, 자동 배치·배선, DRC/LVS 검증, SAX 기반 광시뮬레이션을 결합했다. 연구팀은 핵심 광소자부터 다중 부품 회로까지 36개 과제로 구성된 벤치마크 'PIC-Set'을 만들어 여러 최신 LLM을 평가했으며, PICasso는 순수 LLM 생성 대비 명세 충족도를 크게 높여 고난도 회로에서 구조적 Spec@3 최대 92.7%, 기능적 Spec@3 최대 52%를 달성했다. 또한 시뮬레이션 기반 최적화를 통해 회로 삽입 손실을 평균 4.98dB에서 3.25dB로 1.74dB 개선했다. 이는 구조적 도메인 제약과 물리적 검증, 시뮬레이션 피드백을 결합하면 LLM이 불안정한 넷리스트 생성기를 넘어 실제 제조 가능한 레이아웃을 만드는 실용적 PIC 설계 에이전트로 발전할 수 있음을 보여준다.
- •자연어→YAML→GDS 파이프라인으로 광집적회로를 자동 합성·검증·최적화하는 PICasso 제안
- •36개 과제 벤치마크 PIC-Set으로 평가, 고난도 회로 구조적 Spec@3 최대 92.7%
- •시뮬레이션 기반 최적화로 회로 삽입 손실 평균 4.98dB→3.25dB(1.74dB 개선)
- •물리 검증·시뮬레이션 피드백 결합해 LLM을 제조 가능한 PIC 설계 에이전트로 발전
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
PICasso: An AI-Enabled Design Framework for Autonomous Optimization of Silicon Photonic Devices
- 1.PICasso, 자연어 사양으로 광집적회로(PIC)를 설계하는 AI 프레임워크 제시
- 2.PIC-Set 벤치마크(36개 설계 과제)에서 구조적 Spec@3 92.7%, 기능적 Spec@3 52% 달성
- 3.시뮬레이션 기반 최적화로 평균 삽입손실을 4.98dB에서 3.25dB로 1.74dB 개선
- 4.NL→YAML→GDS 파이프라인에 PDK 지식주입, DRC/LVS 검증, SAX 시뮬레이션 결합
왜 중요한가?
범용 LLM은 광자 회로 설계에서 취약한 넷리스트를 생성하는데, PICasso는 물리 검증과 시뮬레이션 피드백을 결합해 실제 제작 가능한 레이아웃을 만드는 실용적 PIC 설계 에이전트로 전환시켰다는 점에서 반도체·포토닉스 설계 자동화의 진전이다.
본문 미리보기
arXiv:2608.26113v1 Announce Type: new Abstract: We present PICasso, an AI-assisted framework for automated synthesis, verification, and optimization of photonic integrated circuits (PICs) from natural-language specifications. PICasso couples a structured NL -> YAML -> GDS generation pipeline with PDK aware knowledge injection, automated placement and routing, DRC/LVS validation, and SAX-based photonic simulation. To systematically evaluate AI-driven photonic design, we introduce PIC-Set, a benc
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:39AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
