細粒度再構成可能デバイスは，デバイス上にアプリケーション回路をどのように配置配線するかによって，回路動作速度や消費電力などが変わってくる．最適な配置配線結果に近づけるため，従来はSA法に配置結果の適切さを評価するコスト関数を導入して配置を行い，その後配線を行ってきた．しかし，デバイスの複雑な構造に適切なコスト関数の作成は難しく，課題となっている．そこで，本研究では機械学習を用いたコスト関数構築を試みる．具体的には，配置配線のターゲットデバイス向けにさまざまなネットリストを配置配線し，配置配線に成功した結果と失敗した結果をそれぞれ学習させ，コスト関数を構築した．今回はその初期評価結果を示す．