Dissertação
Speeding-Up Complex RF IC Sizing Optimizations with a Process, Voltage and Temperature Corner Performance Estimator using Deep ANNs EVALUATED
O trabalho apresentado nesta dissertação pertence à área científica de automação de projeto eletrónico e aborda o dimensionamento automático de circuitos integrados de rádio frequência. Este trabalho explora uma abordagem inovadora para dimensionamento automático de blocos de circuitos integrados de rádio frequência usando técnicas de aprendizagem profunda e, mais especificamente, redes neuronais artificiais para complementar e melhorar um ciclo de dimensionamento baseado em otimização. Para encontrar as performances para uma certa solução de dimensionamento, o ciclo de otimização simula o circuito em diferentes dispersões de processamento de fabrico, e ainda variações de tensão e temperatura, mais conhecido como análise de condições extremas de funcionamento PVT. A arquitetura da rede neuronal artificial proposta neste trabalho é a de um modelo de regressão. O objetivo do modelo é estimar os desempenhos do circuito mais relevantes nas condições extremas de funcionamento PVT usando, como entradas do modelo, o dimensionamento do circuito e as performances em condições típicas, e assim, acelerar o processo de otimização evitando simulações demoradas. Este modelo vai complementar e acelerar o ciclo de otimização da ferramenta AIDA. Os resultados obtidos mostram que o estimador de PVT foi capaz de reduzir o esforço computacional do simulador de circuitos até 78.5%, alcançando um fator de 2.92 de aceleração total do tempo de otimização. Estes resultados também mostram que o estimador de PVT pode ser reutilizado para otimizações com objetivos bastante distintos para a mesma topologia de circuito, enquanto que a sua estrutura pode ser reutilizada para diferentes topologias de circuitos VCO.
novembro 19, 2021, 15:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado