혁신적인 AI 기반 아날로그/혼합 신호 설계 최적화: iVAMS 3.0

Saraju P. Mohanty와 Elias Kougianos가 개발한 iVAMS 3.0은 Kriging 부트스트래핑 ANN 메타 모델과 PSO 알고리즘을 결합하여 초고속, 고정확도의 아날로그/혼합 신호 회로 설계 최적화를 가능하게 합니다. PLL 사례 연구를 통해 기존 방식보다 24배 빠른 속도와 향상된 최적화 결과를 보였으며, 향후 다양한 분야에서 활용될 것으로 기대됩니다.

초고속, 고정확도 혼합 신호 설계의 혁명: iVAMS 3.0

아날로그/혼합 신호(AMS) 회로 설계는 복잡성 증가와 기술 축소로 인해 설계자들에게 끊임없는 어려움을 안겨줍니다. 수많은 설계 요소와 매개변수, 나노 CMOS 회로에서 두드러지는 공정 변화까지 고려해야 하기 때문입니다. 정확하고 빠른 설계 흐름을 제공하면서 합리적인 시간 내에 설계 최적화를 수행하는 기술은 아직 부족한 실정입니다. 메타모델링과 같은 기술이 설계 단계를 지원하지만, 정확도와 시간 비용 측면에서 개선의 여지가 여전히 존재합니다.

Saraju P. Mohanty와 Elias Kougianos는 이러한 문제를 해결하기 위해 획기적인 연구를 발표했습니다. iVAMS 3.0 이라는 새로운 설계 흐름을 통해 나노 CMOS 기반 아날로그 회로의 초고속 변동성 인식 최적화를 가능하게 한 것입니다. 이 설계 흐름은 Kriging 부트스트래핑 인공 신경망(ANN) 메타 모델과 입자 군집 최적화(PSO) 기반 알고리즘을 결합하여 정확도와 속도의 균형을 이룹니다.

Kriging 부트스트래핑 ANN 메타 모델은 아날로그 품질 정확도와 확장성 사이의 절충안을 제공하여 크고 복잡한 AMS 회로에 효과적으로 사용될 수 있습니다. Kriging은 ANN 훈련에 사용되는 표적 샘플을 부트스트래핑하는 데 사용되어 설계 매개변수 간의 상관 효과를 고려하는 Kriging 특성을 ANN에 도입합니다.

연구진은 PLL을 사례 연구로 사용하여 최대 21개의 설계 매개변수를 가진 회로에서 이 설계 흐름의 효과를 입증했습니다. 그 결과, 부트스트래핑된 Kriging 메타모델링이 단순 ANN 메타모델링보다 24배 빠른 속도를 보였습니다. 이 접근 방식을 사용하면 복잡한 회로의 레이아웃 최적화를 짧은 시간 안에 효과적으로 수행할 수 있습니다. 또한, 최적화 흐름은 PLL 특성의 평균과 표준 편차를 크게 줄일 수 있었습니다. 즉, 이 연구는 비용 효율적인 설계에 크게 기여하는 혁신적인 결과를 제시합니다.

결론적으로, iVAMS 3.0은 아날로그/혼합 신호 설계의 효율성을 획기적으로 높이는 잠재력을 지닌 기술입니다. 향후 이 기술이 다양한 AMS 회로 설계에 적용되어 설계 시간 단축 및 비용 절감에 크게 기여할 것으로 예상됩니다.