基于紧凑晶体管模型的低功耗CMOS模拟电路PSO设计方法:面向两级放大器最小功耗优化

《Journal of Low Power Electronics and Applications》:Compact Transistor Model-Based Low-Power CMOS Analog Circuit Design Methodology Using Particle Swarm Optimization

【字体: 大 中 小 】 时间:2026年10月03日 来源:Journal of Low Power Electronics and Applications 1.7

编辑推荐:

  本工作描述了一种基于紧凑晶体管模型的低功耗CMOS(complementary metal-oxide-semiconductor,互补金属氧化物半导体)模拟电路设计方法,该方法使用粒子群优化(particle swarm optimization, PSO)

  
本工作描述了一种基于紧凑晶体管模型的低功耗CMOS(complementary metal-oxide-semiconductor,互补金属氧化物半导体)模拟电路设计方法,该方法使用粒子群优化(particle swarm optimization, PSO)。所提出的方法用表示电路模块直流(direct current, DC)与交流(alternating current, AC)特性及性能的方程替代实际晶体管级电路。由此,优化引擎可直接使用这些方程寻找最优设计变量,包括晶体管尺寸(W, L)和工作条件(ID, VGS, VDS)。采用这种方式,每个优化步骤均不需要电路仿真,从而显著缩短设计时间。为验证概念,研究人员使用CMOS 65 nm技术完成了满足直流增益、增益带宽积(gain-bandwidth product, GBW)、相位裕度(phase margin, PM)和压摆率(slew rate)要求且功耗最小的两级放大器实际设计;所提出的设计框架在功耗为45.39 μW时获得67.13 dB的直流增益、50.21 MHz的GBW、58.08°的PM和28.7 V/μs的压摆率,与常规PSO和并行PSO相比,优化时间分别减少16,000×和1198×。
研究人员针对CMOS(complementary metal-oxide-semiconductor,互补金属氧化物半导体)工艺持续缩小带来的集成电路(integrated circuit, IC)复杂度上升,以及模拟电路设计仍高度依赖人工、知识密集和耗时的问题展开研究。数字电路可从电子设计自动化(electronic design automation, EDA)工具获益,而模拟设计需在高度非线性、多维空间中权衡增益、带宽、相位裕度(phase margin, PM)、压摆率(slew rate, SR)和功耗。短沟道效应和严格功耗约束使晶体管进入中、弱反型区,传统平方律方程不准确。已有梯度/凸优化、进化算法和粒子群优化(particle swarm optimization, PSO)等,仿真型PSO精度高但每次粒子每迭代需SPICE仿真,设计时间常达数小时甚至数天;代理模型和机器学习可减仿真次数,但若优化循环仍调用商业仿真器,设计周期仍长。因此,研究人员提出一种将PSO引擎与电路仿真器完全分离的自动化框架,并用紧凑线性化晶体管模型直接评估电路性能。

关键技术方法概述(不超过250字):研究人员为65 nm CMOS建立紧凑线性化晶体管模型,将饱和区ID–VDS特性用IA、IP、Vov、Rout_s描述,并把IA、Vov、Rout_s表达为W、L、VGS、VSB的单变量曲线拟合乘积;用20个NMOS和20个PMOS数据点完成建模。随后用解析方程表示两级放大器DC/AC性能,构建13维设计变量和带惩罚项的成本函数,采用PSO搜索最小功耗解;最后用Cadence Spectra在65 nm工艺下验证,并评估PVT(process, voltage, temperature,工艺、电压、温度)工艺角。模型来源为标称BSIM(Berkeley Short-channel IGFET Model,伯克利短沟道IGFET模型)TT(typical-typical,典型-典型)角,无样本队列来源。

研究结果如下:

2. 紧凑晶体管电路模型(Compact Transistor Circuit Model):通过观察饱和区远离三极管边界时ID与VDS近似线性,研究人员以IA、IP、Vov、Rout_s构建模型,ID=IA+IP。曲线拟合范围为VDS>Vov+50 mV;PMOS采用绝对值。模型参数用W、L、VGS、VSB单变量函数乘积表示。34种变量组合验证中,NMOS和PMOS的ID中位误差分别为2.84%和1.31%,与使用5000数据训练的ANN(artificial neural network,人工神经网络)模型精度相当。gm(transconductance,跨导)可由ID对VGS偏导求得。弱反型可扩展,Vov约设为3VT≈75 mV并增加VDS子函数;方法可扩展至28 nm FinFET。

3. 基于所提晶体管模型的模拟电路表示(Proposed Transistor Model Based Analog Circuit Representation):研究人员用方程替代晶体管级电路,在共源(common source, CS)放大器示例中,每个晶体管由ID、Rout、gm等方程表示,DC增益和GBW等性能也写成解析式。只要电路工作在强/中反型,且增益、带宽、噪声、总谐波失真(total harmonic distortion, THD)等可解析表达为gm和Rout,即可用于不同拓扑。

4. PSO-Based Optimization

4.1 Proposed Optimization Flow:对比传统PSO与提出PSO流程,传统方法需在优化循环中电路仿真,提出方法使用方程,循环内无需仿真,只在最终验证。

4.2 Two-Stage Amplifier Circuit and Design Requirements:采用Miller补偿两级运放,要求Av≥50 dB、GBW≥50 MHz、PM≥55°、SR≥10 V/μs,负载电容CL=1 pF;限制VOV,i≥100 mV,保持饱和,并设定各管VDS目标。设计空间为13维向量。

4.3 Minimum Power Design:成本函数归一化功耗并对性能违规施加λ=1000惩罚;PSO参数w从0.9降至0.4,c1=c2=2.0,r1、r2从U(0,1)采样。惩罚机制将无效区排除。

4.4 Design Optimization Results:在40个粒子下,功耗收敛曲线先近300 μW后降至45.39 μW;GBW和PM落在最小目标,Av 65.09 dB、SR 22.87 V/μs超过目标;CC=0.23 pF,Rz用于消除右半平面零点,面积14.79 μm2。优化使gm/ID达12.48—17.08 V?1,Vov接近100 mV,关键器件宽度接近最小。

5. Comparison with Circuit Simulation Results:用65 nm CMOS和Cadence Spectra仿真优化设计,微调输入对、第二级、补偿电容与消零电阻。AC仿真得AV 67.13 dB、GBW 50.21 MHz、PM 58.08°,均超目标;瞬态SR 28.7 V/μs,满足要求。DC工作点比较显示核心ID、VGS预测接近目标,内部VDS有差异,如M3,4的VGS从486 mV变为429 mV;所有晶体管处于饱和。仿真功耗46.03 μW,相对模型预测45.39 μW误差1.39%。在PVT工艺角评估中,除SS(slow-slow,慢-慢)角GBW略低于目标外,其他满足要求;未包括后布局寄生和器件失配。优化时间比较:传统PSO约44.44 h,并行PSO约3.33 h,提出PSO任何试验不超过10 s,减少16,000×和1198×。与ANN代理模型辅助GA(genetic algorithm,遗传算法)/DE(differential evolution,差分进化)相比,提出的晶体管模型创建约1 h每个NMOS/PMOS,模型可复用于不同拓扑,总设计时间可更短。

6. Conclusions:研究人员提出了一种利用PSO并由紧凑晶体管模型引导的低功耗CMOS模拟电路设计方法。

讨论部分总结:所提框架以紧凑线性化模型把电路性能解析化,无需在优化循环中调用SPICE,显著加速,且最终仿真与模型预测功耗误差小;局限是模型从标称BSIM TT角提取,未纳入后布局寄生与器件失配,PVT下SS角GBW略低。研究结论翻译:本工作提出了一种利用粒子群优化(PSO)并由紧凑晶体管模型引导的低功耗CMOS模拟电路设计方法。所提方法用表示电路模块DC、AC和整体性能特性的解析方程替代晶体管级电路。因此,优化引擎可直接评估这些方程以确定最优设计变量,包括晶体管尺寸和工作条件。通过消除优化步骤中的迭代电路仿真,该方法显著减少了总设计时间。为验证概念,研究人员在65 nm CMOS技术中设计了两级放大器,以满足直流增益、GBW、PM和压摆率特定目标,同时最小化功耗。所提框架成功优化了两级放大器设计,在最小功耗45.39 μW下获得67.13 dB直流增益、50.21 MHz GBW、58.08° PM和28.7 V/μs压摆率。最值得注意的是,与常规和并行仿真在环PSO方法相比,该方法分别实现了16,000×和1198×的巨大优化时间缩减。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号