LLM活用したRTLコード生成で多目的最適化、パレート最適解の多様性向上
竹下耕稀 (Koki Takeshita) 氏らの研究グループは2026年10月20日(現地時間)、大規模言語モデル (LLM) を用いた多目的強化学習により、RTL (Register Transfer Level) 回路生成におけるパレート最適解の多様性を向上させる学習手法を発表した。既存手法は回路のPPA (Power, Performance, Area) を単一スカラー報酬で最適化するため、電力、性能、面積といった異なるトレードオフを持つ多様な回路生成が困難だった。今回提案された手法は、単一回路ではなく、複数世代にわたる回路セット全体の品質と多様性を最適化する。