- 林倩;
<正>在电子信息技术迈向智能时代的进程中,集成电路设计、器件建模与优化算法的深度融合正成为推动产业变革的核心力量. 首先,集成电路设计已从几何驱动走向数据智能驱动的新范式,依赖布局布线、逻辑综合及验证测试等领域的算法突破性创新,以应对后摩尔时代异质集成与多物理场协同的复杂挑战. 其次,器件建模则通过神经网络、贝叶斯优化等智能方法,构建起连接物理特性与工程应用的精准桥梁,极大提升了模型精度与设计迭代效率.
2025年04期 v.41;No.164 61页 [查看摘要][在线阅读][下载 48K] [下载次数:64 ] |[引用频次:0 ] |[阅读次数:0 ] - 张云龙;林倩;
为了提高晶体管建模的精确度,本文采用基于知识的神经网络(Knowledge-Based Neural Networks, KBNN)和广义回归神经网络(General Regression Neural Network, GRNN)技术对砷化镓赝配高电子迁移率晶体管(Gallium Arsenide Pseudomorphic High Electron Mobility Transistor, GaAs pHEMT)的谐波分量开展非线性建模.模型以GaAs pHEMT的栅极电压(V_(gs))、栅极电流(I_(gs))、漏极电压(V_(ds))、漏极电流(I_(ds))和输入功率电平(Pin)为输入,以谐波分量为输出,分别构建了非线性模型.建模结果表明,GRNN对GaAs pHEMT谐波分量建模的均方误差(Mean Square Error, MSE)分别为0.0009、0.0006和0.0005,而KBNN对其谐波分量建模的MSE分别为0.0001、0.0002和0.0004.由此可见,KBNN相比于GRNN在GaAs pHEMT谐波分量的非线性建模中具有更高的精确度.
2025年04期 v.41;No.164 62-68页 [查看摘要][在线阅读][下载 831K] [下载次数:50 ] |[引用频次:0 ] |[阅读次数:0 ] - 贺聚杰;李雅琪;周绍华;
蚁狮优化算法是一种新兴智能优化算法,具有全局优化能力强、调节参数少、收敛精度高、局部开发能力强且鲁棒性好等优势,但也存在易早熟收敛、收敛速度慢、对参数敏感等不足.本文通过对比多种改进算法,分析不同改进策略的差异,总结各种改进算法优缺点,旨在为后续研究提供参考,助力优化算法性能,拓展其应用范围.
2025年04期 v.41;No.164 69-73页 [查看摘要][在线阅读][下载 184K] [下载次数:77 ] |[引用频次:0 ] |[阅读次数:0 ] - 王向东;王祁钰;林倩;
为克服低起始频率超宽带分布式功率放大器(Distributed Power Amplifier, DPA)单片级联与片上大尺寸隔直电容之间的矛盾,本文提出一种集成分布式隔直电容的改进型非均匀分布式功率放大器(Non-uniform Distributed Power Amplifier, NDPA).在栅极匹配电容和输入人工传输线之间设置小尺寸的分布式隔直电容,并分离栅极直流偏置电路和输入射频电路,可同时实现片内隔直和超宽带射频阻抗匹配.该改进型NDPA基于0.25μm GaAs pHEMT工艺制造.测试结果表明,该设计在不增大芯片面积的情况下,可以实现起始频率低至50 MHz的超宽带放大,并满足单片多级级联.
2025年04期 v.41;No.164 74-79页 [查看摘要][在线阅读][下载 1449K] [下载次数:96 ] |[引用频次:0 ] |[阅读次数:0 ]