网络研讨会：在模拟前端设计流程中通过机器学习提高生产力

模拟 IC 设计人员可能会花费太多时间和精力重复使用旧的、熟悉的手动迭代方法进行电路设计，只是因为它一直都是这样做的。 电路优化是一种 EDA 方法，它可以通过跨 PVT 角和工艺变化运行 SPICE 仿真来自动调整单元中所有晶体管的大小，以满足模拟和混合信号设计要求。 听起来很有希望，对吧？

那么我应该考虑使用哪种电路优化器？

为了回答这个问题，即将举办一个网络研讨会，由 宗立达，一家 EDA 公司成立于 2001 年，他们的电路优化器名为 邪恶. 输入是 SPICE 网表以及设计要求，例如：增益、带宽和功耗。 输出是一个大小符合或超过设计要求的网表。

WiCkeD 的秘诀在于它如何建立机器学习 (ML) 模型来运行实验设计 (DOE) 来计算最坏情况下的 PVT 拐角，找到晶体管几何形状的敏感性，甚至计算片上变化 (OCV) ）敏感性。 这种方法根据模拟数据创建和更新非线性、高维 ML 模型。

拥有 ML 模型使该工具能够解决优化挑战，然后通过运行 SPICE 仿真进行最终验证。 在满足所有要求之前，会进行自动迭代。 现在这听起来比旧的手动迭代方法快得多。 训练 ML 模型是完全自动的，而且非常高效。

电路设计师还将学习：

• 电路优化用在哪里
• 什么类型的电路好优化
• 电路优化给设计流程带来多少价值

STMicroelectronics 的工程师使用了 WiCkeD 中的电路优化，MunEDA 谈到了他们在节省时间和改进满足要求方面的具体结果。 功率放大器公司Inplay Technologies展示了DAC 2018会议的电路优化结果。

网络研讨会详情

查看太平洋夏令时间 11 月 10 日上午 XNUMX 点的网络研讨会 在线注册.

相关博客

• SEO 支持的内容和 PR 分发。 今天得到放大。
• 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
• Sumber: https://semiwiki.com/eda/326047-webinar-enhance-productivity-with-machine-learning-in-the-analog-front-end-design-flow/