Zespół badawczy opracował MacroAgent, czterostopniowy framework wykorzystujący duże modele językowe do rozwiązania problemu legalizacji makr w projektach VLSI (Very Large-Scale Integration). Problem polega na optymalnym pozycjonowaniu makroobwodów - dużych predefiniowanych bloków funkcjonalnych stanowiących znaczną część nowoczesnych projektów elektronicznych. Dotychczasowe podejścia albo były mało niezawodne, albo wymagały ogromnych mocy obliczeniowych, albo ignorowały wzorce regularności między makrami.
Framework MacroAgent składa się z czterech etapów: grupowania makr, generacji konturów (wykorzystującej algorytmy zaprojektowane przez agentów LLM), dopasowywania szablonów i rafinacji między klastrami. Innowacja polega na zastosowaniu LLM do automatycznego odkrywania wielu efektywnych algorytmów heurystycznych. Takie podejście pozwala znaleźć solidne i praktycznie użyteczne rozwiązania problemu, który tradycyjnie wymagał ręcznego inżynierskiego zaangażowania.
Wyniki eksperymentów na benchmarkach TILOS i Chipyard wykazują imponujące polepszenia: regularność rozmieszczenia makr wzrosła 2-8 razy, długość przewodów zmniejszyła się o 3-5 procent przy porównywalnym zagęszczeniu, a rozwiązanie wykazało znacznie lepszą odporność. Walidacja end-to-end przy użyciu narzędzia Cadence Innovus potwierdziła, że ulepszenia w regularności przekładają się na rzeczywiste zyski w wydajności, zużyciu energii i synchronizacji - uzyskano 2,9 procent redukcję długości przewodów i 68,3 procent poprawę w TNS (Timing Slack) w porównaniu z istniejącym rozwiązaniem DREAMPlace.