Técnica de optimización de circuitos AMS basada en modelos de regresión que utilizan condiciones de funcionamiento parametrizadas
Autores: Nam, Jae-Won; Cho, Young-Kyun; Lee, Youn Kyu
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Técnica de optimización de circuitos AMS basada en modelos de regresión que utilizan condiciones de funcionamiento parametrizadas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Aprendizaje automático
Modelo de regresión
FinFET
Silicio sobre aislante
Red neuronal artificial
ADC SAR
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 38
Citaciones: Sin citaciones
Un circuito analógico y de señal mixta (AMS) que se basa en el aprendizaje automático mientras utiliza un modelo de regresión difiere en términos de diseño en comparación con diseños de circuitos más sofisticados. Las estructuras tecnológicas que son más avanzadas que los procesos CMOS convencionales, específicamente el transistor de efecto de campo de aleta (FinFET) y el silicio sobre aislante (SOI), se han propuesto para proporcionar el mayor rendimiento de cálculo requerido para cumplir con varias especificaciones de diseño. Como resultado, la última investigación sobre la optimización del diseño de AMS ha permitido un ahorro de recursos enorme en los procedimientos de diseño de AMS, pero sigue siendo limitada con respecto a reflejar las condiciones de funcionamiento previstas en los parámetros de diseño. Por lo tanto, proponemos lo que se denomina una red neuronal artificial de aprendizaje supervisado (ANN) como un medio para definir un modelo de regresión de AMS. Este enfoque permite búsquedas rápidas de dimensiones de diseño complejas, incluidas variaciones en las métricas de rendimiento causadas por cambios de proceso-voltaje-temperatura (PVT). El método también reduce el considerable gasto de cálculo en comparación con las simulaciones de programa de simulación con énfasis en circuitos integrados (SPICE). Por lo tanto, el flujo de diseño de circuitos AMS propuesto genera una salida altamente prometedora para cumplir con los requisitos objetivo y muestra una excelente capacidad para igualar el rendimiento objetivo de diseño. Para verificar el potencial y la promesa de nuestro flujo de diseño, se diseña un convertidor analógico-digital de aproximación sucesiva (SAR ADC) con un kit de diseño de proceso de 14 nm. Para mostrar el rendimiento máximo de un solo ADC (resolución de 6 bits8 bits y velocidad de conversión de pocos GS/s), hemos establecido tres objetivos de rendimiento diferentes para el ADC. Bajo todas las esquinas SS/TT/FF, variación de voltaje de suministro de +/-6.25% y variación de temperatura de -40 degreesC a 80 degreesC, el SAR ADC diseñado utilizando nuestro flujo de optimización de circuito AMS propuesto produce una eficiencia energética notable en términos de figura de mérito (aproximadamente 15 fJ/paso de conversión).
Descripción
Un circuito analógico y de señal mixta (AMS) que se basa en el aprendizaje automático mientras utiliza un modelo de regresión difiere en términos de diseño en comparación con diseños de circuitos más sofisticados. Las estructuras tecnológicas que son más avanzadas que los procesos CMOS convencionales, específicamente el transistor de efecto de campo de aleta (FinFET) y el silicio sobre aislante (SOI), se han propuesto para proporcionar el mayor rendimiento de cálculo requerido para cumplir con varias especificaciones de diseño. Como resultado, la última investigación sobre la optimización del diseño de AMS ha permitido un ahorro de recursos enorme en los procedimientos de diseño de AMS, pero sigue siendo limitada con respecto a reflejar las condiciones de funcionamiento previstas en los parámetros de diseño. Por lo tanto, proponemos lo que se denomina una red neuronal artificial de aprendizaje supervisado (ANN) como un medio para definir un modelo de regresión de AMS. Este enfoque permite búsquedas rápidas de dimensiones de diseño complejas, incluidas variaciones en las métricas de rendimiento causadas por cambios de proceso-voltaje-temperatura (PVT). El método también reduce el considerable gasto de cálculo en comparación con las simulaciones de programa de simulación con énfasis en circuitos integrados (SPICE). Por lo tanto, el flujo de diseño de circuitos AMS propuesto genera una salida altamente prometedora para cumplir con los requisitos objetivo y muestra una excelente capacidad para igualar el rendimiento objetivo de diseño. Para verificar el potencial y la promesa de nuestro flujo de diseño, se diseña un convertidor analógico-digital de aproximación sucesiva (SAR ADC) con un kit de diseño de proceso de 14 nm. Para mostrar el rendimiento máximo de un solo ADC (resolución de 6 bits8 bits y velocidad de conversión de pocos GS/s), hemos establecido tres objetivos de rendimiento diferentes para el ADC. Bajo todas las esquinas SS/TT/FF, variación de voltaje de suministro de +/-6.25% y variación de temperatura de -40 degreesC a 80 degreesC, el SAR ADC diseñado utilizando nuestro flujo de optimización de circuito AMS propuesto produce una eficiencia energética notable en términos de figura de mérito (aproximadamente 15 fJ/paso de conversión).