解锁AI设计潜力，ASO.如何创新模拟IC设计？

电子爱好者网报道(文章 / 在当今科技飞速发展的时代，半导体产业作为许多前沿技术的基石，面临着前所未有的挑战和机遇。由于电子系统越来越复杂，芯片电路的设计也越来越复杂，从而导致设计周期更长，开发成本更高，错误风险更大。

另外一方面，合格的 IC 设计者人数不多，不能满足整个行业的需要，这也限制了创新的速度。但是 AI 技术的出现，有望解决ic设计难题，并通过 AI 注入 EDA 该方法不仅为集成电路设计行业带来了显著的效率提升，而且实现了ic设计质量和生产力的突破。

让 AI 融入 EDA

EDA(电子设计自动化)主要是指在ic设计中开发和模拟电子半导体行业的各种工具，EDA 它贯穿于ic设计的全过程，包括从前端电路原理到后端物理实现和验证等各个环节。

但是，随着摩尔定律的放缓和市场对高性能、低功耗芯片的需求不断增加，传统 EDA 工具和方法逐渐表现出局限性。模拟电路的设计特别困难，因为它涉及到大量的非线性行为，设计风格之间有着复杂的相互作用，这使得升级成为一项极其耗时的任务。

为应对这些挑战， AI 融入到 EDA 中成了许多企业的选择。最早在行业内推行 AI 新思科技是一家设计工具的制造商。 2020 今年便推出了设计 AI 工具 DSO.ai，随后，验证工具相继推出。 VSO.ai、检测工具 TSO.ai，还有模拟芯片工具 ASO.ai。

以 ASO.ai 举例来说，作为通过 AI 好处的设计模拟芯片工具。与数字设计相比，抽象概念可以实现智能扩展，而模拟设计很难像数字设计一样从过去的优化算法中受益，因为元素之间的复杂互动和许多复杂的设计指标(如供电电流、信噪比等)。).

其电路行为基于非线性设备模型，缺乏简单的代理函数。模拟过程本身是迭代收敛的，电路特性无法从预期结果反过来推导出来。因此，传统的模拟设计主要依靠手动操作，限制了对代工专业子节点的应用和掌握市场机会。

在过去的模拟设计中，优化算法只能在预期结果可以简单建模，至少在排序正确的情况下才能实现，但是模拟电路的复杂性使得这种情况很少见。

而 ASO.ai 模拟设计可以自动从一个过程节点转移到另一个过程节点。它可以通过自动原理图转移和基于知识的自动布局转移来实现分层模拟 IP 快速转移。简而言之，ASO.ai 可帮助设计部门迅速将模拟设计转移到新的工艺节点，从而加快商品上市日期。

并使用基于样本的优化软件，ASO.ai 可在多个测试平台和数百个测试平台上进行。 PVT在转角处(工艺、电压、温度)改进复杂的模拟设计，迅速收敛到符合工程标准的最佳设计点。

与此同时，在布局感知设计优化方面，ASO.ai 可以实现多目标优化代理，在运行过程中学习，帮助工程师在多次测试中集中精力，进一步优化模拟设计。自动化设计转移和优化减少了对人工控制的依赖，降低了设计错误的风险。通过 AI 学习和优化能力，使用 ASO.ai 能达到更高质量的设计效果。

ASO.ai 可以应用于射频、电池管理、信号链等需要高性能、高可靠性的模拟设计。 IC 设计。如果设计部门需要将现有的模拟设计转移到新的工艺节点，ASO.ai 还能提供强有力的支持，简化转移过程，确保新工艺节点下设计的性能和可靠性。

ASO.ai 帮助客户

怎样处理模拟 IC 复杂设计

实际上进行模拟 IC 在设计时，会遇到许多复杂的问题。比如 EDA 由于传统方法的限制，算法推动了数字设计的发展，但是模拟设计进展缓慢。而 AI 通过实际实验学习和反馈收敛，特别适合自动模拟电路设计过程，既体现了优化阶段的价值，又在模拟电路节点转移和设计过程各个阶段重新调整设计中发挥了重要作用，有利于设计公司快速响应市场机遇，突破模拟设计的复杂性障碍。

但是，随着当今半导体技术的飞速发展，GF（GlobalFoundries）借助于新思科技 ASO.ai 进行模拟 IC 设计。GF 拥有 45RFSOI 和 22FDX 用于大规模生产 5G 毫米波市场的生产工艺。其中 45RFSOI 是基于 45nm 工艺的 SOI（PDSOI）技术，自 2017 年度量产，在毫米波应用中具有高传输功率、低损耗开关等优点；22FDX 专为 SoC 运用的 RF/ 优化毫米波性能，具有高度优化 Ft 和 Fmax 价值、低寄生电容等特点。

对芯片设计电路进行优化，ASO.ai 能构建学习数据库和机器学习模型，跟踪测试平台下的实际依赖关系，帮助优化器探索设计空间。

比如在 22FDX 上提升 28GHz PA 时间，可以分为三个步骤，首先提升 DC 电路偏置点，如设置 VDD=1.75V 时提升 VDOP 和 VDDL，采用参数化设计变量 VGG1 和 VGG0 并且设置扫描范围，通过多次迭代找到最佳值；然后提高 PA 稳定性，通过在 PrimeWave 在中间加入关系测量 Kf 并且设定目标，选择相关电容(例如中合电容) C0 和栅极电容 CP）优化设计参数化目标；最终提高功率附加效率（PAE）大信号分析指标，更新前两步最优值后，进行谐波平衡分析，确定是否需要进一步优化。整个过程，ASO.ai 实验可根据学习数据库和模型不断优化，快速收敛到符合设计标准的结果。

使用 ASO.ai 设计后，GF 发觉 28GHz PA 在 22FDX 工艺上相比 45RFSOI 表现出相似或更好的性能。如增益从 16dB 提高到 带宽从17dB 12.5GHz 调整至 11.5GHz，电源电流从 1.8V 降至 1.75V，峰值 PAE 从 48.3% 变成 46%，CW Psat 从 18.8dBm 提升到 20dBm。

就设计效率而言，传统的手动转移和优化需求 1-2 每月完成前端设计 / 分析与 1 每月完成布局，而使用这一自动化过程只需几天，显著提高了生产力，体现了生产力。 ASO.ai 在 GF 模拟 IC 设计中从 45RFSOI 到 22FDX 工艺迁移的有效性和有效性。

不仅是 GF，Credo Semiconductor 在使用 ASO.ai 同时也达到了更高的效率。根据公开报道，Credo 使用 ASO.ai 将 VCO 设计从 5nm 转移到 7nm 到时候，转移工作量从几周缩短到几个小时，提高生产率 100 倍。设计基于转移后的设计 ASO.ai 优化器提升，约在 2 在一小时内完成超级 10000 第二次搜索，但是过去需要几天甚至几个星期。

总结

显然 AI EDA 已在行业内得到充分验证， ASO.ai 就像新思科技一样 AI 驱动的 EDA 其中一种是该领域的重要产品，它通过组合 AI 技术与传统 EDA 工具，给模拟设计带来了新的突破。它可以帮助设计部门在面对复杂的模拟设计挑战时，通过智能优化和转移功能，达到更高的设计效率和效果，同时大大降低设计成本和时间。同时也期待着未来 AI 随着技术的进一步发展，ic设计中出现了更加精彩的表现。

更多地了解扫码 ASO.ai 的产品信息

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com