Cloem은 반도체 전자설계자동화(EDA) 산업을 위한 인공지능 기반 소프트웨어를 개발하는 기술 기업이다. 이 회사의 도구는 칩 물리 설계에서 배치, 배선, 검증을 포함한 복잡한 문제를 해결하기 위해 머신러닝 및 딥러닝 기법을 적용한다. Cloem의 접근 방식은 설계 주기 시간을 단축하고 고급 집적 회로의 성능, 전력, 면적(PPA) 지표를 개선하는 것을 목표로 한다.
2010년대 후반에 설립된 Cloem은 신경망 최적화와 VLSI 설계의 교차점에 대한 연구에서 출발했다. 이 회사는 하드웨어 설계에 생성형 AI 및 대규모 언어 모델 방법론을 적용하는 광범위한 추세 속에서 자리 잡았지만, 구체적인 제품 제공은 여전히 전통적인 EDA 워크플로우에 초점을 맞추고 있다. Cloem은 재무 세부 사항이나 주요 고객 이름을 공개적으로 밝히지 않았지만, 업계 컨퍼런스에 참여하고 학술 기관과 협력해 왔다.
기술 및 접근 방식
Cloem의 핵심 기술은 잔차 네트워크 아키텍처와 강화학습(RLHF 스타일 피드백 기반)을 활용하여 칩 레이아웃을 최적화한다. 전통적인 규칙 기반 EDA 도구와 달리 Cloem의 모델은 과거 설계 데이터에서 학습하며, 데이터 증강 및 커리큘럼 학습을 사용하여 다양한 공정 노드 간 일반화를 개선한다. 이 회사는 자사 도구가 수동 최적화가 점점 비현실적인 5nm 이하 설계를 처리할 수 있다고 주장한다.
이 소프트웨어는 주요 공급업체의 표준 EDA 흐름과 통합되며, 훈련 중 수치 안정성을 보장하기 위한 모델 가지치기 및 기울기 클리핑 플러그인 모듈을 제공한다. Cloem은 또한 딥 네트워크의 수렴을 가속화하기 위해 배치 정규화 및 레이어 정규화 기법을 사용한다. 이 회사의 추론 엔진은 트랜스포머 기반 언어 모델에서 차용한 방법인 top-p 샘플링을 사용하여 설계 대안의 확률적 탐색을 수행한다.
제품 개발
Cloem은 주력 물리 설계 최적화 도구의 여러 버전을 출시했다. 2020년에 도입된 초기 제품은 표준 셀 배치에 초점을 맞췄다. 2022년 후속 릴리스는 멀티 헤드 어텐션 메커니즘을 사용한 배선 최적화를 추가하여 혼잡, 타이밍, 전력을 동시에 고려할 수 있게 했다. 2024년에 발표된 최신 버전은 논리와 레이아웃 표현 간의 크로스 어텐션을 통합하여 RTL에서 GDSII까지의 종단 간 최적화를 가능하게 한다.
이 회사는 또한 시퀀스-투-시퀀스 모델을 사용하여 설계 규칙 위반을 감지하는 검증 어시스턴트를 개발했다. 이 도구는 빔 서치 디코딩을 통해 수정 제안을 생성하여 내부 벤치마크에서 수동 검토 작업을 약 40% 줄인다. Cloem의 제품은 온프레미스 소프트웨어 또는 아마존 웹 서비스 및 애저 클라우드 배포를 통해 제공된다.
시장 위치 및 경쟁
Cloem은 기존 EDA 대기업과 신생 AI 네이티브 스타트업을 포함한 경쟁 환경에서 운영된다. 주요 차별점은 파운드리 파트너십에서 얻은 독점 데이터 세트로 훈련된 인코더-디코더 아키텍처의 사용이다. 이 회사는 TSMC 및 삼성전자와 공정별 모델 보정을 위한 협력을 발표했지만, 이러한 계약은 비독점적이다.
AI 하드웨어 가속에 초점을 맞춘 Groq 및 SambaNova 같은 경쟁사와 달리 Cloem은 설계 소프트웨어 계층을 대상으로 한다. 이 회사의 도구는 AMD 및 인텔 CPU에서 실행되도록 최적화되어 있으며, 대규모 훈련 작업을 위한 선택적 AWS Trainium 가속을 지원한다. Cloem은 매출 수치를 공개하지 않았지만, 업계 분석가들은 2024년 기준 연간 반복 매출이 1천만 달러 미만일 것으로 추정한다.
연구 및 출판물
스탠포드 AI 연구소 및 버클리 AI 연구소 출신 연구원들이 이끄는 Cloem의 연구팀은 DAC 및 ICCAD를 포함한 주요 EDA 컨퍼런스에서 논문을 발표했다. 주목할 만한 작업으로는 벤치마크 회로에서 배선 길이를 15% 줄인 것으로 입증된 2023년 논문 "Attention-Based Global Routing"이 있다. 이 회사는 또한 그리드 기반 레이아웃 표현을 위한 위치 인코딩 방식에 대한 특허를 출원했다.
2024년, Cloem은 AI 기반 EDA 연구의 재현성을 촉진하기 위해 10,000개의 주석이 달린 칩 레이아웃으로 구성된 오픈 소스 데이터 세트를 공개했다. 이 데이터 세트는 MIT CSAIL 및 카네기 멜론 대학교의 학술 그룹에서 새 알고리즘을 벤치마킹하는 데 사용되었다. 이 회사는 토론토 대학교와 Graphcore 호환 모델 압축 기술에 대한 활발한 연구 협력을 유지하고 있다.
향후 방향
Cloem은 전통적인 최적화 방법이 어려움을 겪는 영역인 아날로그 회로 합성에 생성형 AI 적용을 탐구하고 있다. 이 회사는 또한 D-Wave 시스템을 활용한 하이브리드 고전-양자 최적화를 통해 양자 컴퓨팅 하드웨어 설계에 모델을 적용하는 프로젝트를 시작했다. 그러나 이러한 노력은 초기 연구 단계에 있으며 2025년 현재 상업용 제품을 생산하지 않았다.
이 회사는 2026년까지 직원 수를 45명에서 120명으로 확대할 계획이며, 소프트웨어 엔지니어링 및 현장 애플리케이션 역할에 중점을 둔다. Cloem의 경영진은 구글 클라우드 및 오라클 클라우드와의 관리형 서비스 제공 파트너십 가능성에 관심을 표명했지만, 공식 계약은 발표되지 않았다. 칩 설계에서 인공지능을 향한 광범위한 업계 추세는 Cloem 기술의 지속적인 관련성을 시사하지만, 이 회사는 이종 3D-IC 아키텍처로 솔루션을 확장하는 데 어려움을 겪고 있다.
같이 보기
- electronic-design-automation
- chip-design
- physical-design
- ai-for-hardware