【技术实现步骤摘要】
电子器件的算法模型和版图的生成方法、装置、设备及介质
[0001]本申请实施例涉及电子器件设计领域,尤其涉及一种电子器件的算法模型的生成方法、电子器件的版图生成方法、装置、电子设备及计算机存储介质。
技术介绍
[0002]模拟集成电路(如运算器、比较器、振荡器等),作为通用的集成电路模块,被广泛的运用在各式高性能的模拟、模数混合芯片(如电源管理芯片、模数转换芯片)和单片集成系统(System
‑
on
‑
chip,SoC)上。作为一类功能明确且必不可少的模拟集成电路的架构,在过去的三十年间被广泛的研究,随着研究的深入和广泛的使用,主流应用中的电路架构的设计已逐步趋于统一。针对同一类电路在不同应用场景(指标)下的设计,设计者通常是以前端的晶体管、电阻、电容等器件的调参和后端的版图设计为主,并结合仿真结果来验证设计电路的性能。射频器件一般包含有天线、射频前端、射频收发模块以及基带信号处理器四个部分,是将数字信号向无线射频信号转化的基础部件,也是无线通信系统的核心组件。随着5G时代的到来,射频器件的需求量及价值均快速上升。
[0003]然而,随着各代射频产品、模拟集成电路的工艺节点的进步,射频器件、模拟集成电路的设计仍然耗费大量的技术人力。这是由于射频器件、模拟集成电路设计的参数过多,设计者很难通过简单的公式推导完成对设计器件的性能建模,找到最优的版图的布局。在器件、电路设计及调参过程中需要引入大量的设计经验知识。缺乏设计经验和理论的设计者,往往进行多次调参也无法实现需要的性能指标 ...
【技术保护点】
【技术特征摘要】
1.一种电子器件的算法模型的生成方法,其特征在于,所述方法包括:对电子器件的初始构型进行扰动,以获得所述电子器件的扰动后的初始构型,并对所述电子器件的扰动后的初始构型进行仿真求解计算,以获得所述电子器件的扰动后的初始构型的仿真结果;对所述电子器件的扰动后的初始构型的仿真结果进行指标提取,以获得所述电子器件的扰动后的初始构型的指标;响应于确定所述电子器件的扰动后的初始构型的指标符合所述电子器件的设计指标的要求,则将所述电子器件的扰动后的初始构型的指标存入数据库,以构建符合设计指标要求的所述数据库;基于符合设计指标要求的所述数据库,生成用于生成所述电子器件的版图的算法模型。2.根据权利要求1所述的电子器件的算法模型的生成方法,其特征在于,所述方法还包括:响应于确定所述电子器件的扰动后的初始构型的指标不符合所述电子器件的设计指标的要求,则对所述电子器件的扰动后的初始构型进行优化,使得所述电子器件的优化后的初始构型的指标符合所述电子器件的设计指标的要求。3.根据权利要求2所述的电子器件的算法模型的生成方法,其特征在于,所述对所述电子器件的扰动后的初始构型进行优化,使得所述电子器件的优化后的初始构型的指标符合所述电子器件的设计指标的要求,包括:通过基于全局优化算法或者局部优化算法的优化器,对所述电子器件的扰动后的初始构型进行优化,使得所述电子器件的优化后的初始构型的指标符合所述电子器件的设计指标的要求。4.根据权利要求2所述的电子器件的算法模型的生成方法,其特征在于,所述对所述电子器件的扰动后的初始构型进行优化,使得所述电子器件的优化后的初始构型的指标符合所述电子器件的设计指标的要求,包括:通过基于深度学习构建的优化智能体,对所述电子器件的扰动后的初始构型进行优化,使得所述电子器件的优化后的初始构型的指标符合所述电子器件的设计指标的要求。5.根据权利要求4所述的电子器件的算法模型的生成方法,其特征在于,所述通过基于深度学习构建的优化智能体,对所述电子器件的扰动后的初始构型进行优化之前,所述方法还包括:采集所述电子器件的初始构型中影响所述电子器件的工作性能的各部位的多组参数集;对所述电子器件的初始构型中影响所述电子器件的工作性能的各部位的多组参数集进行仿真求解计算,以获得仿真结果;基于深度学习构建所述优化智能体,将所述多组参数集和所述仿真结果作为样本集训练所述优化智能体。6.根据权利要求2所述的电子器件的算法模型的生成方法,其特征在于,所述电子器件包括模拟集成电路,所述对所述电子器件的扰动后的初始构型进行优化,使得所述电子器件的优化后的初
始构型的指标符合所述电子器件的设计指标的要求,包括:通过基于专家系统、无监督算法、深度学习和优化算法搭建的模拟版图优化智能体,对所述模拟集成电路的扰动后的初始构型进行优化,使得所述模拟集成电路的优化后的初始构型的指标符合所述模拟集成电路的设计指标的要求。7.根据权利要求6所述的电子器件的算法模型的生成方法,其特征在于,所述通过基于专家系统、无监督算法、深度学习和优化算法搭建的模拟版图优化智能体,对所述模拟集成电路的扰动后的初始构型进行优化之前,所述方法还包括:基于自学习专家系统,生成模拟版图的初始构型,并基于所述模拟版图的初始构型建立参数化版图;对所述参数化版图的后仿参数进行降维简化,以获得简化后的所述参数化版图;基于优化算法,对简化后的所述参数化版图进行迭代优化,迭代到最优解终止后,输出符合指标要求的最优版图。8.根据权利要求7所述的电子器件的算法模型的生成方法,其特征在于,所述基于自学习专家系统,生成模拟版图的初始构型之前,所述方法还包括:构建设计师生成的原理图映射为版图的综合数据库,并基于所述综合数据库生成所述原理图映射为所述版图要用到的知识规则,再基于所述知识规则形成用于记忆控制版图生成所采用的规则程序的推理机;将待生成版图的原理图输入所述推理机进行推理生成初始版图,并将所述初始版图进行参数化处理,得到参数化的版图,再通过参数的敏感度分析,对所述参数化的版图进行简化处理,得到简化后的版图;对所述简化后的版图进行优化,得到优化后的版图,并将所述优化后的版图和所述优化后的版图的原理图做成数据集更新所述综合数据库,从而更新所述自学习专家系统的知识库和推理机。9.根据权利要求7所述的电子器件的算法模型的生成方法,其特征在于,所述基于自学习专家系统,生成模拟版图的初始构型,包括:将所述模拟集成电路的拓扑结构、器件信息和连接信息进行表征的图输入所述自学习专家系统的推理机,以自动生成所述模拟版图的初始构型。10.根据权利要求7所述的电子器件的算法模型的生成方法,其特征在于,所述基于所述模...
【专利技术属性】
技术研发人员:刘洁,袁宪超,朱文超,王树达,穆俊龙,
申请(专利权)人:南京星火技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。