关键词：
强化学习
图神经网络
电路设计
布局优化
性能优化
摘要：
随着电路的集成度日益增加与电子系统性能要求的提高,电路设计优化面临着复杂性大幅提升的挑战。在数字集成电路的设计过程中,布局优化是一个核心问题,它直接影响到电路的性能、功耗、可靠性和生产成本。首先,由于数字集成电路设计的复杂性持续增加,现有方法在处理宏单元覆盖和优化效率方面还存在着诸多不足。其次,传统方法无法兼顾宏单元布局和标准单元布局,在具体操作上一般是先布局宏单元再布局标准单元,这两个流程之间毫无关联,设计出的电路性能不够优秀。在高频滤波电路设计的过程中,工程师需要不断仿真调参迭代,耗时耗力,且对工程师经验依赖大,现有自动化设计工具(如HFSS)只能按一定步长枚举所有参数组合,然后对每种组合进行仿真,最后由工程师选择符合条件的设计。然而,在高频滤波电路中有多个参数对数值变化敏感,现有工具无法更细致的调节参数。对此,本文针对数字集成电路和高频滤波电路设计中所面临的问题,提出了对应的融合优化与决策理论的创新方法。
(1)针对现有数字集成电路布局方法中宏单元发生覆盖、性能稍差和优化效率低下的问题,本文提出了一种基于强化学习的端到端集成电路布局优化方法。首先,通过建立宏单元之间的耦合关系图模型,将布局问题转化为马尔可夫决策过程,以学习优化宏单元布局的策略。其次,在集成标准单元布局之后,实现全流程布局优化。通过在标准数字集成电路布局基准进行测试,所提出的方法可以有效解决宏单元间的覆盖问题,同时兼顾布线拥塞程度,在保证可布线的前提下缩短总线长。
(2)针对高频滤波电路设计过度依赖工程师经验、现有工具自动化设计不智能的问题,本文提出了一种基于强化学习的自动化滤波电路布局优化方法,通过该方法可以自动调整滤波电路中谐振器的位置、大小、壁厚等参数,实现对滤波电路性能的优化。为实现完全自动化设计,还构建了基于启发式方法的滤波电路布局初始化方法和快速电磁仿真性能评估方法。此外,设计了无效状态惩罚机制,以在设计优化过程中规避非法设计。通过与现有先进方法比较,证明所提方法对滤波电路性能优化的有效性和高效性。
本文从数字集成电路和高频滤波电路的布局优化两个重要应用领域入手,分别针对其特点与挑战提出了基于强化学习的新型自动化设计与优化方法。这些方法有效利用了人工智能领域的先进理论,缓解了现有电路系统设计对电子工程师经验的依赖问题,实现了期望性能指标到实际参数设置的自动映射,不仅具有重要的理论意义,还有广阔的工程应用前景。
欢迎来到三峡大学图书馆！
