Rethinking Logic Optimization Operators: Theory-Derived Operator Compression via Agentic Source Analysis

당신이 완벽하고 가장 효율적인 거대한 연회를 위한 레시피를 만들려는 마스터 셰프라고 상상해 보십시오. 컴퓨터 칩의 세계에서 이 "연회"는 논리 회로이며, "재료"는 게이트라고 불리는 아주 작은 스위치들입니다. 수십 년 동안 엔지니어들은 채소를 다지는 것, 볶는 것, 굽는 것 등 다양한 요리 기술을 담은 거대한 라이브러리를 구축해 왔습니다. 목표는 이 기술들을 사용하여 무질서하고 비대해진 재료 목록을 매끄럽고 빠르며 저렴한 회로로 만드는 것입니다. 하지만 문제는, 이 라이브러리가 너무 거대하고 복잡해진 나머지 요리사(컴퓨터 프로그램)들이 실제로 요리를 하는 시간보다 다음에 어떤 기술을 사용할지 결정하는 데 더 많은 시간을 쓰고 있다는 점입니다. 그들은 수백 가지의 도구를 적용하는 최적의 순서를 추측하려다 미로에 갇혀 있으며, 아무것도 하지 않거나 단순히 서로의 복사본인 단계들에 시간을 낭비하곤 합니다.

이 논문은 바로 그 혼란을 해결합니다. 저자들은 매우 단순하지만 심오한 질문을 던집니다. 최적의 순서를 추측하기 시작하기도 전에, 도구 자체를 살펴보고서 일부가 쓸모없는 중복이거나 어떤 단계가 아무것도 바꾸지 못할 것이라고 확신할 수 있는지를 증명할 수 있을까? 저자들은 이 도구들의 소스 코드를 마치 추리 소설처럼 다룹니다. 단순히 도구가 실행되기를 기다리며 운에 맡기는 대신, 그들은 "이 도구는 냄비가 비어 있을 때만 작동한다"라거나 "이 도구는 사실 저 도구의 화려한 이름일 뿐이다"와 같은 숨겨진 규칙을 찾기 위해 '탐정' AI 에이전트 팀을 투입합니다. 이러한 숨겨 된 규칙을 찾아냄으로써, 그들은 컴퓨터가 쓸모없는 단계에 시간을 낭비하지 않도록 자동으로 차단하는 "교통 신호등"을 구축할 수 있었습니다. 이는 최종 요리의 맛을 바꾸지 않으면서도 전체 과정을 더 빠르고 똑똑하게 만듭니다.

탐정 작업: 숨겨진 중복 찾기

Keren Zhu가 이끄는 저자들은 현대 칩 설계자들이 사용하는 "도구 상자"가 불필요한 요소들로 가득 차 있다는 것을 깨달았습니다. 이것은 마치 주방에 '다지기용' 칼, '썰기용' 칼, '채썰기용' 칼이 있는데, 알고 보니 '썰기용' 칼은 손잡이만 다른 '다지기용' 칼이고, '채썰기용' 칼은 특정 채소에 사용되는 '다지기용' 칼인 것과 같습니다. 이를 모른다면 당신은 세 가지 칼을 모두 써보려 하며 시간을 낭비하게 될 것입니다.

이를 해결하기 위해 팀은 **에이전트 기반 소스 분석(Agentic Source Analysis)**을 사용했습니다. 이는 AI 에이전트를 탐정으로 고용하여 실제 컴퓨터 코드(소스)를 읽게 한 고급 기법입니다. 그들은 단순히 추측한 것이 아니라 증거를 찾았습니다. 그들은 "이미 완벽한 회로에 이 도구를 실행하면 무엇이 변하는가?", "이 도구는 저 도구의 복사본인가?"와 같은 질문을 던졌습니다.

그들은 세 가지 주요 유형의 "불필요한 요소"를 발견했습니다:

1. 항등식(Identities): 무언가를 수행한다고 약속하지만 실제로는 아무것도 하지 않는 도구들 (예: 결과가 버려지기 때문에 실제로 실행되지 않는 '다지기' 명령).
2. 별칭(Aliases): 정확히 같은 도구를 지칭하는 두 개의 서로 다른 이름.
3. 중첩된 변형(Nested Variants): 상위 버전의 도구가 이미 할 수 있는 일을 결코 넘어서는 일을 할 수 없는 '라이트(lite)' 버전의 도구.

이러한 관계를 수학적으로 증명함으로써, 그들은 선택 가능한 메뉴를 줄일 수 있었습니다. 그들은 40개의 서로 다른 레시피 동작(사용 가능한 도구)에서 시작하여, 31개만 있으면 모든 가능한 좋은 결과를 얻기에 충분하다는 것을 증명했습니다. 그들은 단순히 추측한 것이 아니라, 나머지 9개의 동작을 제거해도 최선의 결과가 절대 변하지 않을 것임을 증명했습니다. 이는 10가지 향신료 중 11가지가 이미 가능한 모든 맛을 커버할 수 있으므로 9개를 버려도 된다는 것을 깨닫는 것과 같습니다.

교통 신호등: 낭비가 시작되기 전에 차단하기

어떤 도구가 중복인지 알게 된 후, 다음 단계는 컴퓨터가 쓸모없는 도구를 사용하는 것조차 생각하지 못하게 만드는 것이었습니다. 번잡한 교차로에 있는 교통 신호등 시스템을 상상해 보십시오. 모든 차가 신호등까지 달려온 뒤에야 멈추게 하는 대신, "길이 비어 있다면 신호를 켜지 마라"라고 말하는 센서를 설치하는 것입니다.

저자들은 이 센서들을 구축했으며, 이를 **승인 게이트(admission gates)**라고 부릅나다. 이들은 도구가 실행되기 전 회로의 현재 상태를 확인하는 작은 체크 기능입니다.

• "No-4-Cut" 게이트: 한 도구는 스위치 4개를 재배열하기 위해 특정 형태를 찾으려고 합니다. 게이트는 "여기에 4개의 스위치로 이루어진 형태가 존재하는가?"를 확인합니다. 만약 답이 '아니오'라면, 해당 도구는 즉시 건너뜁니다.
• "Critical Root" 게이트: 또 다른 도구는 회로의 특정 부분을 수정하려고 합니다. 게이트는 "이 부분이 이미 완벽한가?"를 확인합니다. 만약 그렇다면, 도구는 건너뛰어집니다.

이 게이트들은 "정확(exact)"합니다. 즉, 수학적으로 올바름이 증명되었습니다. 그들은 실행되어야 할 도구를 절대 건너뛰지 않으며, 오직 쓸모없음이 보장된 것들만 건너뜁니다.

결과: 더 빠르고 더 똑똑하게

팀은 새로운 옵티마이저인 TACO(에이전트 기반 소스 분석을 통한 이론 유도 연산 압축)를 구축하여 엔지니어들이 사용하는 표준 도구들과 테스트했습니다.

• 속도: 표준 도구에 "교통 신호등(게이트)"만을 적용했을 때, 컴퓨터는 작업을 11% 더 빠르게 완료했습니다(38.2초에서 34.0초로 단축). 또한 매번 정확히 동일한 결과를 만들어냈습니다. 이는 마치 쓸모없는 교차로에서 멈출 필요가 없었기에 헤드 스타트를 받고 경주를 하는 것과 같았습니다.
• 품질: 전체 TACO 시스템을 사용했을 때, 16가지 테스트 케이스 중 14가지에서 표준 도구보다 더 나은 회로를 찾아냈습니다. 이 시스템은 더 적은 구성 요소(노드)와 더 적은 층(레벨)을 사용하여 더 작고 빠른 회로를 만들었습니다.
• 효율성: TACO는 표준 도구보다 2.6배 더 빠르게 실행되면서도 더 나은 혹은 대등한 결과를 찾아냈습니다.

그들은 또한 매우 진보된 시스템인 HeLO와 비교하여 TACO-max라는 "강화된" 버전을 테스트했습니다. 완벽한 시작 데이터를 가진 회로에서, TACO-max는 HeLO가 보고한 것보다 약 9.7% 더 나은(기하 평균 비율 0.903) 솔루션을 찾아냈습니다. 즉, 훨씬 더 효율적인 회로를 구축했다는 의미입니다.

이것이 의미하는 바

이 논문은 칩 설계의 모든 문제를 해결했다고 주장하는 것이 아닙니다. "교통 신호등"이 확실히 판단할 수 없는 까도로운 상황들이 여전히 존재하며, 컴퓨터는 여전히 스스로 탐정 역할을 수행해야 합니다.

그러나 저자들은 코드를 면밀히 살펴보고 숨겨진 규칙을 찾아냄으로써 혼란을 제거할 수 있음을 증명했습니다. 그들은 방대한 도구 라이브러리를 통해 길을 잃고 헤맬 필요가 없다는 것을 보여주었습니다. 게임의 규칙을 이해한다면, 어떤 움직임이 가치가 있고 어떤 것이 소음(noise)에 불과한지 정확히 아는 시스템을 구축할 수 있습니다. 이 접근 방식은 혼란스럽고 느린 탐색 과정을 간결하고 빠르며 신뢰할 수 있는 과정으로 바꾸어 놓았으며, 때로는 시스템을 최적화하는 가장 좋은 방법이 먼저 당신이 할 수 있는 일들의 목록을 최적화하는 것임을 증명했습니다.