ConvGA: Convolution Network-Guided Genetic Algorithm for Optimal PDN Decoupling Design

doi:10.1109/TCAD.2025.3635565

ConvGA: Convolution Network-Guided Genetic Algorithm for Optimal PDN Decoupling Design

2025-11-20

0

PRE

AI

DOI：10.1109/TCAD.2025.3635565

原文链接

原文求助

摘要

En 中文

电源噪声已成为现代集成电路设计中的关键瓶颈，其中不断增加的电流密度和更高的工作频率对系统可靠性构成重大挑战。尽管去耦电容器（decaps）是抑制电源分配网络（PDN）噪声的主要解决方案，但使用传统方法确定其最优值和布局在计算上仍然代价高昂。本文介绍了一种名为ConvGA的新型框架，该框架无缝集成了卷积神经网络（CNN）与遗传算法（GAs），以革新PDN去耦电容器优化。ConvGA的核心是一种专门设计的CNN架构，该架构基于全面的边界元法（BEM）仿真进行训练，能够为任意PCB配置实现超快的阻抗预测。我们的CNN在保持卓越精度的同时，将阻抗计算时间从数小时缩短至毫秒级——相较于传统BEM计算实现了500倍加速。这种加速使遗传算法能够通过自适应种群控制和动态约束机制高效探索广阔的设计空间，系统性地减少所需电容器的数量并最小化与目标阻抗的偏差。在工业规模PDN上的广泛实验表明，ConvGA相较于当前最先进方法将优化时间缩短了15倍，同时减少了30%的所需电容器数量，并在各种PDN配置中始终生成高质量的解决方案。

Keyword:

Decoupling capacitor

deep neural network

power delivery network (PDN)

power integrity (PI)

reliability

ConvGA: Convolution Network-Guided Genetic Algorithm for Optimal PDN Decoupling Design

摘要

期刊

机构

引用论文