INSIGHT：面向模拟电路的通用神经模拟器，基于自回归变换器
机器学习
2024-08-08 v3 计算工程、金融与科学
摘要
模拟前端设计严重依赖专业人类知识和高昂的试错仿真成本，这促使大量先前工作开展模拟电路设计自动化。然而，由于SPICE仿真耗时，有效探索广阔且复杂的设计空间仍受限，这使得有效的设计自动化颇具挑战性。本文介绍INSIGHT——一个由GPU加速、技术中性、高效的通用神经模拟器，嵌入模拟前端设计自动化流程中。INSIGHT能够在推断时间仅为几微秒的条件下，准确预测模拟电路在 various 技术上的绩效指标。值得注意的是，其自回归能力使INSIGHT能够利用较低成本的绩效指标信息，准确预测仿真成本高昂的关键瞬态规格。其低成本和高保真度特征使INSIGHT成为模拟前端优化框架中标准仿真器的优异替代品。INSIGHT与任何优化框架兼容，促进了通过精细的离线学习和适应技术实现更高效的设计空间探索。我们的实验表明，基于INSIGHT作为准确替代品的INSIGHT-M模型基准批量强化学习尺寸框架，只需少于20次真实时仿真，仿真成本降低100-1000倍，且在现有尺寸方法中实现显著加速。
引用
@article{arxiv.2407.07346,
title = {INSIGHT: Universal Neural Simulator for Analog Circuits Harnessing Autoregressive Transformers},
author = {Souradip Poddar and Youngmin Oh and Yao Lai and Hanqing Zhu and Bosun Hwang and David Z. Pan},
journal= {arXiv preprint arXiv:2407.07346},
year = {2024}
}