.png){kind=icon}
返回
A Behavior-Centric Methodology for High-Performance Amplifier Sizing
.png){kind=icon}
PRE
AI
DOI：10.1109/tcad.2026.3725982.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当前自动模拟尺寸调整严重依赖基于仿真的“黑箱”尺寸域优化。这迫使优化器直接导航高度非线性的映射，未能弥合物理器件尺寸与高层次电路规范之间的语义差距。为缓解这种非线性，我们提出了一种以行为为中心的尺寸调整框架，将优化过程解耦为对行为参数（BPs）的高效搜索以及随后针对给定工艺的BP到尺寸的直接映射。具体针对放大器，行为参数集(gm, fT ,AV)封装了驱动强度、高频速度和固有增益，利用小信号分析的基本参数，有效将优化转化为更线性且行为良好的搜索空间。利用这一良好行为空间，我们借助柯尔莫哥洛夫-阿诺德网络（KANs）构建数据高效、符号化的代理模型，将BPs映射到电路性能，并采用基于查找表（LUT）的反向映射，将优化后的BPs干净地实例化为器件尺寸。该框架在开源工具‘Amplifier Copilot’中实现，生成了涵盖22种拓扑结构、4个工艺节点以及低压和高电压器件选项的7,200个设计数据库。在22 nm CMOS工艺中的硅验证确认，实测硅性能与仿真预测一致，验证了所提出框架的实践可行性。Amplifier Copilot可在https://github.com/AmpCopilot/Amplifier-Copilot获取。
Keyword:
Analog design automation
amplifier sizing
Kolmogorov-Arnold networks
symbolic regression
knowledge-driven design
transistor behavioral representation
amplifier copilot
期刊
I
IF:
2.9
论文数:
671
被引数:
9.6K
机构
查看更多机构
引用论文
暂无论文信息