一种模拟集成电路的参数优化方法及系统技术方案

本发明专利技术公开了一种模拟集成电路的参数优化方法及系统，所述方法包括以下步骤：获取待参数优化的模拟集成电路的电路结构、性能指标要求、设计参数及其取值范围、迭代停止条件；基于获取的设计参数及其取值范围，采样获得训练样本集；将所述训练样本集中的每个样本分别输入电路仿真器进行仿真，获得对应的训练响应集；基于所述训练样本集和训练响应集进行迭代，实现模拟集成电路的参数优化。本发明专利技术为缓解维数灾难的问题，使算法具有处理高维优化问题的能力，提出了一种基于互信息分析的逐步优化策略；在每次迭代中，仅选取部分设计变量进行优化，能够缓解维数灾难。能够缓解维数灾难。能够缓解维数灾难。

【技术实现步骤摘要】
一种模拟集成电路的参数优化方法及系统


[0001]本专利技术属于模拟集成电路设计
，涉及贝叶斯算法优化领域，特别涉及一种模拟集成电路的参数优化方法及系统。

技术介绍

[0002]模拟集成电路通常占据混合信号片上系统一小部分晶元面积，由于缺乏成熟的自动化设计方案，模拟集成电路的参数需要人工方式选取与修调，其过程费时枯燥且高度依赖于设计人员的直觉与经验，模拟集成电路的设计成为了一款片上系统上市时间(time to market)的关键瓶颈。随着机器学习的发展，基于机器学习的模拟集成电路参数优化方法近些年来受到了广泛的关注。
[0003]当下基于机器学习的模拟集成电路优化方法是将电路设计参数优化的问题转为最优化问题，进而采用最优化算法进行求解，诸如遗传算法、贝叶斯优化、深度强化学习、遗传算法、粒子群算法、模拟退火等。由于模拟集成电路的仿真时间较长(特别是在考虑蒙特卡洛仿真与工艺角仿真时)，故而针对昂贵问题的贝叶斯优化算法近些年来倍受学者的关注。
[0004]贝叶斯优化通常将高斯过程作为代理模型，基于已有的训练样本训练高斯过程，进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模拟集成电路的参数优化方法，其特征在于，包括以下步骤：获取待参数优化的模拟集成电路的电路结构、性能指标要求、设计参数及其取值范围、迭代停止条件；基于获取的设计参数及其取值范围，采样获得训练样本集；将所述训练样本集中的每个样本分别输入电路仿真器进行仿真，获得对应的训练响应集；基于所述训练样本集和训练响应集进行迭代，实现模拟集成电路的参数优化；其中，所述迭代过程的每次迭代包括：贝叶斯优化算法随机选择一个性能指标，基于训练样本集和训练响应集计算获得选择的性能指标与各设计参数之间的互信息，选择互信息最大的预设个设计参数作为高斯过程的训练样本集；对训练响应集进行加权求和，获得高斯过程的目标集；基于所述高斯过程的训练样本集与所述高斯过程的目标集，构建获得高斯过程回归模型；采集函数执行最大化操作，获得采集函数取得最大值的样本点；从训练样本集中构成的帕累托前沿中任选出一个样本点，对采集函数获得的样本点的其余设计参数进行填充，构成贝叶斯优化算法最终的样本点；将所述贝叶斯优化算法最终的样本点输入电路仿真器进行仿真，获得样本响应值；若所述样本响应值达到性能指标要求或满足迭代停止条件后，则终止迭代；否则将所述贝叶斯优化算法最终的样本点与原始的训练样本集合并，构成更新后的训练样本集，样本响应值与原始的训练响应集合并，构成更新后的训练响应集，所述更新后的训练样本集和所述更新后的训练响应集用于下次迭代。2.根据权利要求1所述的一种模拟集成电路的参数优化方法，其特征在于，所述采集函数执行最大化操作，获得采集函数取得最大值的样本点的步骤具体包括：利用预训练好的可行域分类器进行预测；若样本点分类为负样本，则不进行采集函数的计算并输出一个极小值；若样本点分类为正样本，进行采集函数的计算。3.根据权利要求2所述的一种模拟集成电路的参数优化方法，其特征在于，所述预训练好的可行域分类器的获取步骤包括：随机选取一个性能指标并设定阈值，对选取的性能指标在训练响应集中的响应数据进行二值化处理，获得二值化处理结果；基于训练样本集与二值化处理结果训练，获得所述预训练好的可行域分类器。4.根据权利要求3所述的一种模拟集成电路的参数优化方法，其特征在于，所述可行域分类器的输入为设计参数，输出为0或1，用于指示该设计参数是否在可行域范围内。5.一种模拟集成电路的参数优化系统...

【专利技术属性】
技术研发人员：王红义，陈晨，惠静妮，吴凯凯，梁峰，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：