基于多场景优化的知识增强型PVT变化条件下鲁棒模拟电路尺寸设计

《Integration》:Knowledge-augmented robust analog circuit sizing under PVT variations via multi-scenario optimization

【字体: 大 中 小 】 时间:2026年09月21日 来源:Integration 2.5

编辑推荐:

   -多场景演化改进PVT感知的模拟电路尺寸设计。 -跨场景约束指导稳健可行方案的选择。 -基于RAG的电路知识提出SPICE验证的候选方案。 -四个运算放大器基准验证了精度与稳健性的提升。 ## 引言 模拟集成电路是通信、信号处理、医疗和消费电子系统的核心组件[1], [2

  

-多场景演化改进PVT感知的模拟电路尺寸设计。
-跨场景约束指导稳健可行方案的选择。
-基于RAG的电路知识提出SPICE验证的候选方案。
-四个运算放大器基准验证了精度与稳健性的提升。

## 引言

模拟集成电路是通信、信号处理、医疗和消费电子系统的核心组件[1], [2], [3], [4]。与数字电路相比,其性能对器件特性、工艺偏差、供电电压和温度尤为敏感。因此,实际设计不仅需要在标称条件下满足增益、带宽、功耗、相位裕度和输出摆幅等要求,还必须在全相关工艺、电压和温度(PVT)条件下均能达标。随着电路复杂度增长,模拟电路尺寸设计已成为一个强约束、多变量、紧密耦合的设计自动化任务,手工调参与反复仿真导致设计周期漫长且稳健性不确定[5], [6]。

现有的模拟电路优化方法大致可分为基于模型的方法、基于仿真的方法和混合方法。基于模型的方法利用解析方程、回归、神经网络预测器或代理模型来降低评估成本[7], [8], [9]。然而,对于具有强器件非线性、寄生效应和耦合物理约束的电路,其精度可能下降。基于仿真的方法将电路仿真器视为黑盒评估器,通过演化算法、粒子群优化、差分进化、贝叶斯优化或强化学习进行搜索[10], [11], [12], [13], [14]。这些方法保留了电路级保真度,但可能需要大量昂贵的仿真器调用,尤其是在高维且可行域狭窄的空间中。

在实际模拟电路设计中,PVT变化是影响电路可靠性和量产良率的重要因素[5], [6]。如果仅在单一标称场景下进行优化,所得方案可能在典型条件下表现良好,但在快速工艺角、慢速工艺角、高温、低温或供电电压偏移等条件下可能出现性能退化甚至约束违反。尽管传统最坏情况设计能在一定程度上提高稳健性,但往往牺牲性能并导致过度保守。另一类方法直接将所有PVT场景的性能指标合并为高维目标进行统一优化[15], [16]。这种简单合并可能削弱场景间的结构关系,并显著增加优化难度。因此,如何在共享设计变量空间下同时考虑多个PVT场景,并获得兼顾性能、可行性和稳定性的折中方案集,是模拟电路自动优化的关键问题。

多场景多目标优化为该问题提供了自然的建模方式[15], [16], [17]。它将要件或评估环境视为相关场景,在单一决策空间中搜索兼顾所有场景的共享设计方案。对于多PVT模拟尺寸设计,这种共享设计特性具有直接的物理含义:晶体管尺寸、器件倍数、偏置参数和补偿元件定义了一个电路实现,它必须在所考虑的PVT条件下均能工作。因此,同一候选方案必须在每个场景下进行评估,尽管其性能响应和约束状态因场景而异。由此产生的优化问题是一个稳健的共享设计搜索,需要协调场景内的目标权衡以及跨场景的可行性、性能平衡和方案集多样性。

大语言模型(LLM)最近被探索作为优化的知识接口和生成算子[18], [19], [20], [21], [22],包括模拟电路设计流程[23], [24], [25], [26]。对于模拟尺寸设计,LLM可以组织电路结构信息、设计规则和历史方案,形成候选调整方向。直接生成仍然容易受到知识不匹配、格式不稳定和物理不可行提案的影响。检索增强生成(RAG)通过在候选生成前将模型条件化于任务相关的领域知识和当前优化状态来缓解这一风险。

然而,在本框架中,LLM并不生成电路拓扑、晶体管连接、网表结构或物理版图。对于每个目标电路,拓扑和设计变量模式均已预定义,LLM仅限于在该固定设计空间内提出尺寸向量。生成的输出在仿真前需经过模式完整性和变量合法性筛查,而电路级电学可行性仍由SPICE评估决定。

基于上述分析,本文提出MS-MOEA-PVT,一种面向PVT感知模拟电路尺寸设计的多场景多目标演化框架,用于VLSI设计自动化。演化搜索仍负责全局探索和仿真器验证的选择,而RAG引导的生成提供少量领域知识辅助的候选源。主要贡献如下:

1. 一种面向PVT感知模拟尺寸设计的约束共享设计多场景建模,其中每个电路尺寸向量在所有考虑的PVT场景下进行评估,而目标和约束保持场景特定性,从而可以直接在共享物理设计上执行稳健选择。

2. 一种场景感知的环境选择机制,将加权跨场景约束违反度、动态ε-支配和全局拥挤距离相结合,在共享仿真预算下协调可行性、收敛性、多样性和跨场景稳定性。

3. 一种结构化的RAG辅助候选生成器,检索性能权衡、子结构敏感性和参数效应规则,以引导少量子代偏向有前景的区域,同时每个通过仿真前验证的生成候选仍接受与常规子代相同的SPICE评估和演化选择。

### 小节摘要

#### 多场景约束多目标优化问题

模拟电路性能由一组连续或离散化设计变量决定。设 $\mathbf{x}=(x_1,x_2,…,x_n)$ 表示设计向量,包括晶体管宽高比、偏置电流和补偿电容等参数。设 $\mathbf{F}(\mathbf{x})=(f_1(\mathbf{x}),f_2(\mathbf{x}),…,f_m(\mathbf{x}))$ 表示目标向量,可编码功耗、增益、带宽或面积。由于这些目标相互冲突,且设计必须满足相位裕度、输出摆幅、工作点、电流和工艺规则约束,

#### 算法框架

MS-MOEA-PVT采用共享设计多场景演化建模方式用于PVT感知的模拟电路尺寸设计。每个个体代表一个物理电路尺寸向量,同一个体在场景集中的每个PVT场景下进行评估。评估过程中保留场景特定的目标值和约束状态,随后通过统一的情景感知环境选择过程进行协调。因此,种群表示候选

#### 基准电路

为验证MS-MOEA-PVT在多PVT条件下的稳健优化能力,选择了四种代表性运算放大器:两级运算放大器(TSOA)、折叠增益运算放大器(FCOA)、全差分运算放大器(FDOA)和高增益带宽积运算放大器(HGOA)。它们在结构复杂度、目标性能侧重点和PVT敏感性上各不相同,从而能够在多个模拟尺寸设计任务中进行评估。所有电路

### 结论

本文提出了MS-MOEA-PVT,一种知识增强的多场景多目标框架,用于PVT感知的模拟电路尺寸设计。该框架将PVT条件表示为共享物理尺寸向量的相关评估场景,并通过范围归一化约束处理、动态?-支配和全局拥挤距离评估来协调跨场景可行性、目标权衡和种群多样性。检索条件化的知识引导算子提供

### CRediT作者贡献声明

**Huaiyu Zhao**:方法论开发,实现,实验,数据分析,手稿撰写。**Chunliang Zhao**:概念化,监督,资金获取,手稿审阅与编辑。**Chengzhi Jiang**:参与实验,验证,手稿准备。**Dunwei Gong**:概念化,监督,资金获取,手稿审阅与编辑。**Jishuo Li**:参与实验,验证,手稿准备。**Fengxuan Gao**:参与实验,

### 代码可用性

本研究使用的源代码和脚本未公开提供,因为它们依赖于授权的商业EDA工具和商业工艺设计套件。在合理请求下,可在满足适用许可和保密限制的前提下,从通讯作者处获取。

### 人工智能工具的使用

所提出的优化框架在方法部分描述中将大语言模型作为候选生成组件使用。在文稿准备期间,还使用了AI辅助工具进行语言润色、一致性检查和编辑修订。作者审阅并编辑了所有AI辅助内容,并对最终手稿承担全部责任。

### 资金

本研究由山东省自然科学基金(项目编号:ZR2023QF065和ZR2023ZD06)和青岛市重点技术突破项目(项目编号:26-1-1-gjgg-65-nsh)资助。

所有作者均已阅读并批准最终手稿。

### 利益冲突声明

作者声明不存在可能影响本文报道工作的已知竞争性经济利益或个人关系。

Huaiyu Zhao | Chunliang Zhao | Chengzhi Jiang | Dunwei Gong | Jishuo Li | Fengxuan Gao
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