一种基于种群优化算法的集成电路设计方法技术

本发明专利技术提供了一种基于种群优化算法的集成电路设计方法，属于集成电路技术领域，包括以下步骤：构建描述集成电路设计参数与性能指标映射关系的神经网络模型；根据集成电路性能指标的需求构建集成电路设计参数的优化策略；根据所述神经网络模型与优化策略，利用种群优化算法迭代优化集成电路的设计参数，完成基于种群优化算法的集成电路设计。本发明专利技术针对现有的集成电路研发过于依赖设计人员的经验和效率较低的难题，根据制定的集成电路设计参数优化策略，利用种群优化算法确定与优化集成电路器件尺寸参数，提高集成电路设计效率，能够应用到集成电路的设计和研发中。

【技术实现步骤摘要】
一种基于种群优化算法的集成电路设计方法
本专利技术属于集成电路
，尤其涉及一种基于种群优化算法的集成电路设计方法。
技术介绍
集成电路是支撑现代社会发展和保障国家安全的战略性、基础性和先导性产业，是信息技术产业的“粮食”，其技术水平和产业能力已成为衡量国家产业竞争力与综合国力的重要标志之一。集成电路尤其是模拟集成电路的开发，较多地依赖于研发人员的设计经验和软件的重复迭代仿真验证，设计人员不断调整集成电路中器件的尺寸参数，以获得期望的电路模块性能指标，这种耗时耗力的设计方法降低了集成电路设计效率，提高了研发成本，延长了集成电路芯片研制周期。近几年，种群优化方法发展迅速，由于其结构简单、易于实施和收敛速度快等优点，已经广泛用于工业设计和生产过程中。此外，种群优化方法是一种启发式优化方法，没有要求优化目标函数可导的限制，可以保障优化结果的合理性和有效性。本专利技术方法在种群优化算法框架下，以集成电路的性能指标为目标，提出一种简单、有效的集成电路器件尺寸参数的智能优化方法，为研制集成电路芯片提供高效的方法和途径。
技术实现思路
针对现有技术中的上述不足，本专利技术提供了一种基于种群优化算法的集成电路设计方法，解决了现有的集成电路研发过于依赖设计人员的经验和效率较低的问题。为了达到以上目的，本专利技术采用的技术方案为：本方案提供一种基于种群优化算法的集成电路设计方法，包括以下步骤：S1、构建描述集成电路设计参数与性能指标映射关系的神经网络模型；S2、根据集成电路性能指标的需求构建集成电路设计参数的优化策略；S3、根据所述神经网络模型与优化策略，利用种群优化算法迭代优化集成电路的设计参数，完成基于种群优化算法的集成电路设计。本专利技术的有益效果是：本专利技术针对现有的集成电路研发过于依赖设计人员的经验和效率较低的难题，根据制定的集成电路设计参数优化策略，利用种群优化算法确定与优化集成电路器件尺寸参数，提高集成电路设计效率，能够应用到集成电路的设计和研发中。该方法的专利技术和推广应用对降低集成电路芯片研发成本和缩短其研制周期具有重要工程意义。进一步地，所述步骤S1包括以下步骤：S101、利用正交设计方法确定集成电路设计参数组合，采用集成电路仿真软件获得所有设计参数对应的性能指标仿真数据；S102、利用反向传播算法对所述性能指标仿真数据进行训练，构建描述集成电路设计参数与性能指标映射关系的神经网络模型。再进一步地，所述步骤S102中构建描述集成电路设计参数与性能指标映射关系的神经网络模型的表达式如下：P＝g]W2·g(W1·U+b1)+b2]其中，g(·)表示神经网络模型的激活函数，e-x表示以自然常数e为底的指数函数，P和U分别表示集成电路性能指标和设计参数，W1和b1分别表示神经网络模型中输入层到隐含层的权值矩阵和偏置项，W2和b2表示神经网络模型中隐含层到输出层的权值矩阵和偏置项。上述进一步方案的有益效果是：本专利技术通过构建神经网络模型描述集成电路设计参数与性能指标的映射关系，可以根据设计参数准确、快速地预测集成电路性能指标，有利于集成电路设计参数的快速优化。再进一步地，所述步骤S2中集成电路设计参数的优化策略的表达式如下：J＝α(G-Gdes)2+β(GBW-GBWdes)2其中，J表示集成电路设计参数的优化策略，G表示集成电路的增益，GBW表示集成电路的增益带宽积，Gdes和GBWdes分别表示期望的集成电路增益和增益带宽积，α和β分别表示集成电路的增益和增益带宽积的优化权值系数。上述进一步方案的有益效果是：本专利技术通过根据集成电路性能指标的需求构建集成电路设计参数的优化策略，为集成电路设计参数的优化指明了方向，有利于提高集成电路设计效率。再进一步地，所述步骤S3包括以下步骤：S301、初始化种群优化算法的参数；S302、根据集成电路的设计参数，利用构建的神经网络模型预测集成电路的性能指标；S303、根据构建的优化策略以及预测的集成电路性能指标，利用种群优化算法优化集成电路的设计参数；S304、判断是否获取最优的集成电路设计参数，若是，则完成基于种群优化算法的集成电路设计，否则，返回步骤S302。上述进一步方案的有益效果是：本专利技术通过利用种群优化算法优化集成电路设计参数，可以高效地确定集成电路器件的设计尺寸参数，提高集成电路设计效率，降低研发成本，缩短集成电路芯片研制周期。附图说明图1为本专利技术的方法流程图。图2为本实施例中电阻负载的PMOS输入差分对集成电路图。图3为本实施例中基于种群优化算法获得的集成电路器件尺寸参数示意图。图4为本实施例中根据优化的集成电路设计参数利用Cadence软件模拟实验结果。具体实施方式下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。实施例如图1所示，本专利技术提供了一种基于种群优化算法的集成电路设计方法，其实现方法如下：S1、构建描述集成电路设计参数与性能指标映射关系的神经网络模型，其实现方法如下：S101、利用正交设计方法确定集成电路设计参数组合，采用集成电路仿真软件获得所有设计参数对应的性能指标仿真数据；S102、利用反向传播算法对所述性能指标仿真数据进行训练，构建描述集成电路设计参数与性能指标映射关系的神经网络模型，其表达式如下：P＝g[W2·g(W1·U+b1)+b2]其中，g(·)表示神经网络模型的激活函数，e-x表示以自然常数e为底的指数函数，P和U分别表示集成电路性能指标和设计参数，W1和b1分别表示神经网络模型中输入层到隐含层的权值矩阵和偏置项，W2和b2表示神经网络模型中隐含层到输出层的权值矩阵和偏置项；S2、根据集成电路性能指标的需求构建集成电路设计参数的优化策略；所述集成电路设计参数的优化策略的表达式如下。J＝α(G-Gdes)2+β(GBW-GBWdes)2其中，J表示集成电路设计参数的优化策略，G表示集成电路的增益，GBW表示集成电路的增益带宽积，Gdes和GBWdes分别表示期望的集成电路增益和增益带宽积，α和β分别表示集成电路的增益和增益带宽积的优化权值系数；S3、根据所述神经网络模型与优化策略，利用种群优化算法迭代优化集成电路的设计参数，完成基于种群优化算法的集成电路设计，其实现方法如下：S301、初始化种群优化算法的参数；S302、根据集成电路的设计参数，利用构建的神经网络模型预测集成电路的性能指标；S303、根据构建的优化策略以及预测的集成电路性能指标，利用种群优化算法优化集成电路的本文档来自技高网...

【技术保护点】
1.一种基于种群优化算法的集成电路设计方法，其特征在于，包括以下步骤：/nS1、构建描述集成电路设计参数与性能指标映射关系的神经网络模型；/nS2、根据集成电路性能指标的需求构建集成电路设计参数的优化策略；/nS3、根据所述神经网络模型与优化策略，利用种群优化算法迭代优化集成电路的设计参数，完成基于种群优化算法的集成电路设计。/n

【技术特征摘要】
1.一种基于种群优化算法的集成电路设计方法，其特征在于，包括以下步骤：
S1、构建描述集成电路设计参数与性能指标映射关系的神经网络模型；
S2、根据集成电路性能指标的需求构建集成电路设计参数的优化策略；
S3、根据所述神经网络模型与优化策略，利用种群优化算法迭代优化集成电路的设计参数，完成基于种群优化算法的集成电路设计。


2.根据权利要求1所述的基于种群优化算法的集成电路设计方法，其特征在于，所述步骤S1包括以下步骤：
S101、利用正交设计方法确定集成电路设计参数组合，采用集成电路仿真软件获得所有设计参数对应的性能指标仿真数据；
S102、利用反向传播算法对所述性能指标仿真数据进行训练，构建描述集成电路设计参数与性能指标映射关系的神经网络模型。


3.根据权利要求2所述的基于种群优化算法的集成电路设计方法，其特征在于，所述步骤S102中构建描述集成电路设计参数与性能指标映射关系的神经网络模型的表达式如下：
P＝g[W2·g(W1·U+b1)+b2]



其中，g(·)表示神经网络模型的激活函数，e-x表示以自然常数e为底的指数函数，P和U分别表示...

【专利技术属性】
技术研发人员：谌东东，李迪，杨银堂，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61