返回
Machine Learning-Based Package-Embedded Inductor Optimization for Integrated Voltage Regulators
DOI:10.1109/OJPEL.2025.3643511.png)
摘要
En 中文
本研究提出了一种基于人工神经网络(ANN)的算法,用于优化全集成电压调节器(FIVRs)中使用的电感器设计。由于FIVRs针对特定芯片定制,即使结构相同的电感器也需要根据制造工艺和插入方法进行调整。所提算法通过考虑实际几何约束来评估电感器结构的可行性,并施加附加约束以确保其保持在用户定义的电感范围内。利用结构识别过程中的数据,该算法采用贝叶斯优化(BO)探索并优化超出用户定义目标的方案,以获得最优结果。训练完成后,该算法能够成功识别满足目标规格且符合相关封装设计规则的电感器结构。通过5 nH和2 nH电感器的优化实例验证的结果表明,在5 nH案例中,单位体积直流电阻降低了43.2%,在相同体积条件下体积减小了24.5%。所提算法具有通用性,可应用于广泛的电感器结构和设计,高效识别满足特定电感目标的配置。此外,用户定义的约束可适应不同工艺和插入方法,使算法能够有效调整至新目标。
Keyword:
Inductors
neural network applications
optimization methods
regulators
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
3.9
论文数:
666
被引数:
1.2K
机构
引用论文
Magnetic Core TSV-Inductor Design and Optimization for On-chip DC-DC Converter磁芯TSV电感器设计与优化用于片上DC-DC转换器
Multi-Objective Optimization Design for Electromagnetic Devices With Permanent Magnet Based on Approximation Model and Distributed Cooperative Particle Swarm Optimization Algorithm基于近似模型和分布式协同粒子群优化算法的永磁电磁装置多目标优化设计
Artificial Neural Networks-Based Multi-Objective Design Methodology for Wide-Bandap Power Electronics Converters基于人工神经网络的宽频带电力电子变换器多目标设计方法

