电磁感知物理综合：面向射频电路的神经电感器建模与智能布局布线
硬件体系结构
2026-02-13 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
本文提出了一种基于机器学习的自动化射频物理综合框架，可将电路网表转换为可制造的GDSII版图。尽管最近的机器学习方法在拓扑选择和参数优化方面取得了成功，但由于组件模型过于简化且缺乏布线能力，它们无法生成可制造的版图。我们的框架通过三项关键创新解决了这些局限性：(1) 一个神经网络框架，在18,210个电感器几何形状上训练，频率扫描范围为1-100 GHz，生成了750万个训练样本，该框架预测电感器Q因子的误差小于2%，并实现了快速的基于梯度的版图优化，生成高Q版图的成功率为93.77%；(2) 一个智能P-Cell优化器，在保持设计规则检查(DRC)合规性的同时减少版图面积；(3) 一个完整的布局布线引擎，具有频率相关的电磁间距规则和DRC感知综合。该神经电感器模型在1-100 GHz范围内展现出卓越的精度，实现了具有实时推理能力的电磁精确组件综合。该框架成功地为射频电路生成了DRC感知的GDSII版图，标志着向自动化射频物理设计迈出了重要一步。
引用
@article{arxiv.2602.11461,
title = {EM-Aware Physical Synthesis: Neural Inductor Modeling and Intelligent Placement & Routing for RF Circuits},
author = {Yilun Huang and Asal Mehradfar and Salman Avestimehr and Hamidreza Aghasi},
journal= {arXiv preprint arXiv:2602.11461},
year = {2026}
}
备注
Accepted at the 2026 IEEE International Symposium on Circuits and Systems (ISCAS 2026)