電子發(fā)燒友網(wǎng)報道（文/黃山明）在當今科技飛速發(fā)展的時代，半導體行業(yè)作為眾多前沿技術的基石，正面臨著前所未有的機遇與挑戰(zhàn)。隨著電子系統(tǒng)越來越復雜，芯片電路設計也變得更為復雜，這導致了更長的設計周期、更高的開發(fā)成本以及更大的錯誤風險。

另一方面，合格的IC設計者數(shù)量有限，難以滿足整個行業(yè)的需求，這也限制了創(chuàng)新的速度。但AI技術的出現(xiàn)，有望解決芯片設計難題，并通過AI注入EDA的方式，不僅為集成電路設計行業(yè)在效率上帶來了顯著提升，同時也實現(xiàn)了芯片設計質(zhì)量和生產(chǎn)力的突破。

讓AI融入EDA

EDA（電子設計自動化）主要指電子半導體行業(yè)中各種開發(fā)與仿真工具，在芯片設計中，EDA貫穿了芯片設計的整個流程，涵蓋從前端的電路設計到后端的物理實現(xiàn)與驗證等各個環(huán)節(jié)。

但隨著摩爾定律的放緩以及市場對高性能、低功耗芯片的需求不斷增長，傳統(tǒng)EDA工具和方法逐漸顯現(xiàn)出局限性。模擬電路設計尤其困難，因為它涉及大量的非線性行為，并且各設計元素之間存在復雜的相互作用，這使得優(yōu)化成為一項極為耗時的任務。 為了應對這些挑戰(zhàn)，將AI融入到EDA中成為許多企業(yè)的選擇。作為最早在行業(yè)內(nèi)推行AI話設計工具的廠商，新思科技早在2020年便推出了設計AI工具DSO.ai，隨后有相繼推出了驗證工具VSO.ai、測試工具TSO.ai，以及模擬芯片工具ASO.ai。

圖源：新思科技

以ASO.ai為例，作為通過AI所收益的設計模擬芯片工具。相比數(shù)字設計可利用抽象概念實現(xiàn)自動化擴展，而模擬設計因元素間復雜交互、眾多復雜設計指標（如供電電流、信噪比等），難以像數(shù)字設計那樣從傳統(tǒng)優(yōu)化算法中受益。

其電路行為基于非線性器件模型，缺乏簡單代理函數(shù)，模擬過程本身也是迭代收斂的，無法從期望結果反向推導出電路特性，所以傳統(tǒng)上模擬設計主要依賴手動操作，限制了對代工廠專業(yè)子節(jié)點的利用和市場機會的把握。 在傳統(tǒng)優(yōu)化算法在模擬設計中，只有當期望結果能簡單建模且至少在排序上正確時才可行，但模擬電路的復雜性使這種情況很少見。

而ASO.ai能夠自動將模擬設計從一個工藝節(jié)點遷移到另一個工藝節(jié)點。它通過自動原理圖遷移和基于知識的自動布局遷移，實現(xiàn)分層模擬IP的快速遷移。簡單來說，ASO.ai能夠幫助設計團隊快速將模擬設計遷移到新的工藝節(jié)點，從而加速產(chǎn)品上市時間。 并且利用基于樣本的優(yōu)化系統(tǒng)，ASO.ai可以在多個測試平臺和數(shù)百個PVT（工藝、電壓、溫度）拐角中優(yōu)化復雜的模擬設計，快速收斂到符合工程規(guī)范的最佳設計點。 同時在布局感知設計優(yōu)化方面，ASO.ai可以實現(xiàn)多目標優(yōu)化代理，在運行過程中進行學習，幫助工程師在多個測試中同時集中并進一步優(yōu)化模擬設計。

自動化的設計遷移和優(yōu)化減少了對人工干預的依賴，降低了設計錯誤的風險。通過AI的學習和優(yōu)化能力，使用ASO.ai能夠?qū)崿F(xiàn)更高質(zhì)量的設計結果。 ASO.ai可適用于需要高性能和高可靠性的模擬設計，如射頻、電源管理和信號鏈等領域的模擬IC設計。當設計團隊需要將現(xiàn)有的模擬設計遷移到新的工藝節(jié)點時，ASO.ai也可以提供強大的支持，簡化遷移過程，確保設計在新工藝節(jié)點下的性能和可靠性。

ASO.ai幫助客戶

如何應對模擬IC復雜設計

在實際進行模擬IC設計時，會遇到許多復雜問題。例如EDA算法推動了數(shù)字設計發(fā)展，但模擬設計因傳統(tǒng)方法局限進展緩慢。而AI優(yōu)化通過實際模擬實驗學習和反饋收斂的方式，非常適合自動化模擬電路設計過程，不僅在優(yōu)化環(huán)節(jié)體現(xiàn)價值，還在模擬電路節(jié)點遷移和設計流程各階段重新調(diào)整設計時發(fā)揮重要作用，有助于設計公司快速響應市場機會，突破模擬設計復雜性障礙。

而在當今半導體技術快速發(fā)展的背景下，GF（GlobalFoundries）借助新思科技的ASO.ai進行模擬IC設計。GF擁有45RFSOI和22FDX等在量產(chǎn)中用于5G毫米波市場的工藝技術。其中45RFSOI是基于45nm工藝的SOI（PDSOI）技術，自2017年量產(chǎn)，在毫米波應用中具有高傳輸功率、低損耗開關等優(yōu)勢；22FDX專為SoC應用的RF/毫米波性能優(yōu)化，有高Ft和Fmax值、低寄生電容等特點。

在芯片設計電路優(yōu)化中，ASO.ai可以構建學習數(shù)據(jù)庫和機器學習模型，跟蹤多工況和測試平臺下的實際依賴關系，輔助優(yōu)化器探索設計空間。

例如在22FDX上優(yōu)化28GHz PA時，可以分為三步，首先優(yōu)化DC電路偏置點，如設定VDD=1.75V時優(yōu)化VDOP和VDDL，通過參數(shù)化設計變量VGG1和VGG0并設置掃描范圍，經(jīng)多次迭代找到最優(yōu)值；接著優(yōu)化PA穩(wěn)定性，通過在PrimeWave中添加表達式測量Kf值并設定目標，選擇相關電容（如中和電容C0和柵極電容CP）作為設計參數(shù)化對象進行優(yōu)化；最后優(yōu)化包括功率附加效率（PAE）在內(nèi)的大信號分析指標，更新前兩步的最優(yōu)值后進行諧波平衡分析，判斷是否需進一步優(yōu)化。整個過程中，ASO.ai可以依據(jù)學習數(shù)據(jù)庫和模型不斷調(diào)整模擬實驗，快速收斂到符合設計規(guī)范的結果。

使用ASO.ai設計后，GF發(fā)現(xiàn)28GHz PA在22FDX工藝上相比45RFSOI表現(xiàn)出相似或更好性能。如增益從16dB提升到17dB，帶寬從12.5GHz調(diào)整到11.5GHz，電源電壓從1.8V降為1.75V，峰值PAE從48.3%變?yōu)?6%，CW Psat從18.8dBm提高到20dBm。

在設計效率上，傳統(tǒng)手動遷移和優(yōu)化需約1-2個月完成前端設計/分析及1個月完成布局，而使用該自動化流程僅需幾天，顯著提高了生產(chǎn)力，體現(xiàn)了ASO.ai在GF模擬IC設計中從45RFSOI到22FDX工藝遷移的高效性和有效性。

圖源：新思科技

不僅是GF，Credo Semiconductor在使用ASO.ai也實現(xiàn)了更高效率。據(jù)公開報道顯示，Credo 使用ASO.ai將VCO設計從5nm遷移到7nm時，遷移工作量從數(shù)周縮短至幾小時，生產(chǎn)力提高達100倍。遷移后的設計用基于ASO.ai的優(yōu)化器優(yōu)化，約在2小時內(nèi)完成超10000次搜索，而在過去需要數(shù)天甚至數(shù)周。

小結

顯然AI+EDA已經(jīng)在行業(yè)中得到了充分驗證，而ASO.ai作為新思科技在AI驅(qū)動的EDA領域的重要產(chǎn)品之一，它通過結合AI技術和傳統(tǒng)的EDA工具，為模擬設計帶來了新的突破。其通過智能化的優(yōu)化和遷移功能，能夠幫助設計團隊在面對復雜的模擬設計挑戰(zhàn)時，實現(xiàn)更高的設計效率和質(zhì)量，同時大大降低設計成本和時間。也期待未來隨著AI技術的進一步發(fā)展，在芯片設計中迸發(fā)更加精彩的表現(xiàn)。