一种基于神经网络驱动的巴伦优化工具开发与实践反思论文

SCI论文（www.lunwensci.com）

　　摘 要 ：射频电路中的巴伦设计强烈依赖于设计者的经验和直觉,并且需要大量的电磁仿真验证,导致设计效率低下。本 文采用神经网络驱动的优化方法实现巴伦的自动设计,可显著提高设计效率,降低复杂度。通过开放源码和启发学生,可促进 集成电路人才培养。

　　0 背景

　　巴伦作为重要的无源器件,能够实现单端差分转 换、信号隔离、阻抗变换以及偶次谐波滤除,在射频集 成电路设计中具有广泛的应用。然而,电路设计人员设 计片上巴伦的方式却很繁琐 [1-3]。为了得到目标参数的 巴伦, 需要根据 Greenhouse 或者 Wheeler 公式计算 巴伦的几何尺寸,然后根据几何尺寸绘制巴伦的物理版 图,再对绘制好的巴伦进行电磁仿真,得到相应的电学 参数。由于设计公式的精度问题,设计者往往还需要根 据仿真结果调整巴伦的几何尺寸,然后再次进行仿真, 获取电学性能参数。如果参数满足设计要求,则完成设 计,如果参数不满足要求,则仍然需要继续迭代优化。

　　由于需要不断地修改迭代版图,这一过程是极为繁琐且 消耗时间的,往往需要耗费数月的时间才能得到想要的 版图。若设计过程中电路对巴伦的性能参数要求有所改 变,则又需要花费大量时间再迭代设计新巴伦。

　　针对以上问题,本文提出了片上巴伦自动优化设计 的技术 [4.5], 可自动寻找出巴伦目标电学参数对应的几 何尺寸信息,从而快速完成设计,节省下来的大量时间 可以用于电路其他部分的优化迭代,从而让设计者在有 限的时间内能调校出更好性能的电路。

　　1 关键技术

　　基于神经网络驱动的巴伦优化流程的关键技术主要 包括版图的批量产生技术、电磁仿真软件调度及批量仿真数据抓取技术和基于神经网络的模型训练技术,最终 得到模型的预测输出,再与电磁仿真进行验证以评估神 经网络模型的准确性。

　　1.1 基于 Python 脚本的巴伦批量生产技术

　　由于神经网络训练需要大量的数据,从而通过 Python 库中的 GDSpy 库产生 GDS 文件,再结合多边 形的生成、基于裁剪算法的多边形布尔运算等,将巴伦 的各个部分,包括过孔、端口、交叉部分和巴伦主体拼 接到一起产生 GDS 输出。通过将巴伦形状变化的自由 度进行提取和抽象,并通过关键几何参数推演巴伦各个 点的几何坐标,从而构建完整的巴伦形状。

　　1.2 电磁仿真软件调度及批量仿真数据抓取技术

　　采用传统的基于 HFSS 的电磁仿真工具虽然具有强 大的电磁仿真能力和高精度等特点,但其基于 3D 有限 元的网格划分和仿真需要消耗大量的时间。在集成电路 领域,针对集成电路高度微缩的特点, EMX 工具采用 2.5D 建模, 可显著提升速度的同时保证仿真精度, 但 是需要配置跨平台的软件调度和批量数据抓取等技术。 通过利用 Cadence 中 Spectre 的脚本仿真功能, 可实 现 Spectre 的批量多线程仿真功能,同时抓取数据并存 入指定文件内,从而使得跨平台问题得到有效解决。

　　1.3 基于神经网络的模型训练技术

　　巴伦电学参数与几何参数的模型关系本质上是回归 问题,可利用神经网络技术进行有效解决。一般来说, 神经网络求解回归问题就是构建若干个参数矩阵,然 后将他们逐层连接,输入与权重矩阵相乘,然后经过一 层非线性化的激活函数以模拟实际世界中的非线性问 题,按照这样的结构逐层连接,得到最终的输出,输出 的数据经过函数评估误差,然后使用梯度下降算法逐次 迭代,训练出最优模型。通过合理配置神经网络激活函 数、网络节点和神经网络架构,可建立巴伦电学参数与 巴伦几何参数的模型,从而为实现巴伦自动化设计奠定 基础。

　　基于 FNN 神经网络建立巴伦模型,主要就是要确 定网络的结构,选择好激活函数,设计损失函数以及 梯度下降算法的选择。网络结构确定主要依据实际训练 过程的 Loss 表现来调整,遵循由简到繁的原则,先设 计浅层的、网络节点少的网络结构,依据最终收敛的 Loss 值逐步增加网络节点、网络层数,调整到最后合 适的程度。

　　1.4 工具优化效果

　　如图 1 所示,测试结果表明,无论是主级巴伦还是 次级巴伦,均通过本工具实现的模型与目标的电感值具有较好的线性吻合,从而证明了神经网络驱动的巴伦优 化技术具有良好的效果。不仅如此,巴伦的主级 Q 值 和次级 Q 值的测试结果与巴伦的电感值测试结果一致, 均具有较好的线性吻合。
 

　　2 工具的界面及功能

　　如图 2 所示为本文开发的基于神经网络驱动的巴伦 优化工具,工具界面主要包括以下五个部分 ：(1)巴伦 类型选择功能 ;(2)巴伦几何形状选择功能 ;(3)目标 巴伦电学参数指标输入接口 ;(4)GDS 输出路径接口 ; (5)巴伦几何信息结果显示。
 

　　上述五个部分的主要功能如下 ：

　　(1)巴伦类型选择功能主要提供用户足够的设计自 由度,选择对应的匹配结构,包括叠层巴伦、平面型巴 伦和用户自定义的巴伦形式 ;(2)巴伦几何形状选择功 能提供给用户选择巴伦的外形形状,主要包括方形、八 边形、圆形和用户自定义的巴伦形状 ;(3)目标巴伦 电学参数指标输入接口用于用户键入需要实现的巴伦 电学参数,同时可以选择相关的集成电路工艺支撑平 台(TSMC、SMIC、GF 等)和工艺制程(如 180nm、90nm、65nm 等);(4)GDS 输出路径接口便于用户 根据需要设定 GDS 文件位置 ;(5)巴伦几何信息结果 显示用于与用户交互最终结果。

　　3 工具的优势

　　如表 1 所示,本工具借助于 EMX 的灵活性高和工 艺依赖性低等强大优势,通过利用服务器算力优势,克 服了 EMX 对设计者要求高、复杂性高、便捷性低的缺 点,使得本优化工具具有灵活性高、工艺依赖性低、复 杂性低、便捷性高和易于上手等优点。相比于工艺平台 提供的 OTF 工具仅能在固定的巴伦结构和形状下进行 选择,本工具具有很强的灵活性。同时,由于本工具提 供了不同工艺平台的接口,使得其对工艺依赖性低,具 有良好的工艺移植特性。与传统的集成电路无源器件工 具 EMX 相比,本工具不需要设计者对巴伦进行手动绘 制,而是采用程序控制目标巴伦的几何参数,实现巴伦 的自动产生,具有较高的自动化程度。在此基础上开发 的巴伦批量产生功能可为神经网络优化提供大量样本。
 



　　4 实践反思

　　随着信息技术的快速发展和产业软件的大规模应 用,新时期的学生可通过互联网快速获取各方面的知 识,他们对现今社会的感知和快速变化的社会需求的把 握远超同时期的我们。现阶段集成电路产业的发展是国 家在面临西方封锁和大国竞争的新形势下亟待解决的重 大卡脖子问题。为适应新时期的教育教学对象,给作为 知识传播者的老师提出了新的挑战。不仅要保持与时俱 进的学习观念,还需要在新时期新场景下利用新工具新手段引导学生树立健全的求知欲,针对性强地解决实际 产业中的问题,将年轻的活力引导到促进生产力技术发 展的道路上,以促进社会技术变革和社会生产力更迭。 同时,作为集成电路领域的从业者,尤其是在扮演知识 传播者的人民教师的岗位上,更需要勇敢“走出去”, 把产业问题和产业专家“请进来”的双向互动形式,促 进研究与实际生产问题相结合。通过启发学生开展对本 工具的开发,可以引导学生感知并解决实际的产业问 题,提高学生发现问题及思考问题的能力,对集成电路 领域人才培养取得良好效果。

　　5 结语

　　在进行实际的巴伦设计中,通过采用自动化设计工 具不仅可以降低对设计者前期知识储备的要求,还可以 大大提高设计效率。不仅如此,相比于工艺厂提供的 OTF 工具和传统的 EMX 设计工具,本工具具有灵活性 高、对工艺的依赖性低和具有高度自动化的特点。通过 对工具的内核开源,可促进集成电路领域人才培养,为 该领域提供充足的人力储备。

　　参考文献

        [1] 张华斌,刘萍,邓春健,等.硅集成的高Q值、高谐振频率的射 频变压器[J].重庆邮电大学学报(自然科版),2017,29(2):161- 166.
        [2] 经龙,秦会斌,胡炜薇.一种高Q值高耦合叠层射频变压器的 设计[J].电子元件与材料,2021,40(1):59-64+71.
        [3] 任启翔.基于集成无源器件工艺的微波巴伦器件设计[D].杭 州:杭州电子科技大学,2023.
        [4] LEE D,SH IN G,LEE S,et al.Neural-Network-Based Automated Synthesis of Transformer Matching Circuits for RF Amplifier Design[J].In IEEE Transactions on Microwave Theory and Techniques,2022,70(11):4726-4739. 
        [5] ZHANG Q J,GAD E,NOURI B,et al.Simulation and Automated Modeling of Microwave Circuits:State- of-the-Art and Emerging Trends[J].In IEEE Journal of Microwaves,2021,1(1):494-507.

关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/75820.html