FuNToM：基于神经网络辅助双端口分析方法的RF电路功能建模
机器学习
2023-08-07 v1
摘要
模拟与射频(RF)电路的自动综合是一种趋势性方法，其需要高效的电路建模方法。这是由于在每个综合周期运行大量仿真的代价高昂。人工智能方法因其速度与相对准确性而成为电路建模的有前景途径。然而，现有方法需要大量训练数据，而这些数据仍通过仿真运行收集。此外，此类方法即便仅增减单个元件，也为每种电路拓扑收集完全独立的数据集。在后版图建模仿真需求下，这些问题更被加剧，因其耗时更长。为缓解这些缺陷，本文提出FuNToM，一种用于RF电路的功能建模方法。FuNToM利用双端口分析方法，通过单一主数据集与多个小数据集对多种拓扑建模。它还利用已展现预测电路行为前景的神经网络。我们的结果表明，对于多种RF电路，相较SOTA工作，在保持相同精度下，所需训练数据减少2.8倍至10.9倍。此外，FuNToM在后版图建模中收集训练集所需时间减少176.8倍至188.6倍。
引用
@article{arxiv.2308.02050,
title = {FuNToM: Functional Modeling of RF Circuits Using a Neural Network Assisted Two-Port Analysis Method},
author = {Morteza Fayazi and Morteza Tavakoli Taba and Amirata Tabatabavakili and Ehsan Afshari and Ronald Dreslinski},
journal= {arXiv preprint arXiv:2308.02050},
year = {2023}
}
备注
8 pages, 13 figures, 8 tables, accepted on International Conference on Computer-Aided Design (ICCAD)