Dissertação

Using Artificial Neural Networks to Size Analog Integrated Circuits EVALUATED

O trabalho desenvolvido no âmbito desta dissertação enquadra-se na área científica de automação de projectos electrónicos e aborda o dimensionamento automático de circuitos integrados analógicos. Em particular, desenvolveu-se uma abordagem inovadora para automatizar o dimensionamento de circuitos usando deep learning e redes neuronais artificiais para aprender os padrões de dimensionamento de soluções previamente optimizadas. Em oposição a estratégias de dimensionamento clássicas baseadas em optimização, as redes neuronais artificiais mostram-se capazes resolver o dimensionamento de circuitos analógicos integrados através de um mapeamento directo entre especificações e dimensões de aparelhos. Duas arquitecturas de redes neuronais artificiais são propostas: um modelo de Regressão e um modelo de Classificação e Regressão. O objectivo do modelo de Regressão é aprender os padrões de dimensionamento de circuitos estudados, usando as performances desses circuitos como features de entrada e as suas dimensões como targets à saída. Este modelo consegue dimensionar circuitos dadas as especificações para uma única topologia. O modelo de Classificação e Regressão tem as mesmas capacidades que o modelo anterior, mas consegue adicionalmente seleccionar a topologia mais apropriada e as respectivas dimensões para uma dada especificação. A metodologia proposta foi implementada e testada em duas topologias de circuitos analógicos distintas. Os resultados obtidos mostram que as redes neuronais artificiais treinadas foram capazes de estender as performances de circuitos para lá do conjunto de dados de treino/ validação, demonstrando que, mais do que um mapeamento a partir do conjunto de dados de treino, o modelo é na verdade capaz de aprender padrões de dimensionamento reutilizáveis.
Circuitos Integrados Analógicos, Automação de Projecto Electrónico, Deep Learning, Redes Neuronais

Junho 21, 2018, 9:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Ricardo Miguel Ferreira Martins

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Colaborador Docente

ORIENTADOR

Nuno Calado Correia Lourenço

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Colaborador Docente