인공 신경망 기반 아날로그 회로 성능 최적화

본 논문은 아날로그 회로 최적화를 위한 새로운 깊은 학습 기반 접근법을 소개하며, 주어진 성능 메트릭(전압 이득, 대역폭, 슬루율, 노이즈 및 고조파 왜곡)을 바탕으로 주요 설계 변수(예: 유효 채널 폭, 부하 저항, 바이어스 전압 등)를 예측합니다. 우리는 초기 매개변수 추정을 활용하여 데이터셋의 즉각적인 학습을 구현하였으며, 이는 유전자 알고리즘(GA) 기반의 다목적 최적화(MOO) 기법보다 우수한 성능을 보입니다. 제시된 프레임워크는 저항 부하가 있는 공통 소스 증폭기, 능동 부하, 능동 부하가 있는 차동 증폭기 등 다양한 회로에 대한 광범위한 수치 시뮬레이션을 통해 성공적으로 검증되었습니다. 검증을 위해 UMC 180nm 기술 노드 PDK가 SPICE 시뮬레이션에 활용되었습니다.