解锁AI设计潜能，ASO.ai如何革新模拟IC设计

电子发烧友网报道（文/黄山明）在当今科技飞速发展的时代，半导体行业作为众多前沿技术的基石，正面临着前所未有的机遇与挑战。随着电子系统越来越复杂，芯片电路设计也变得更为复杂，这导致了更长的设计周期、更高的开发成本以及更大的错误风险。

另一方面，合格的IC设计者数量有限，难以满足整个行业的需求，这也限制了创新的速度。但AI技术的出现，有望解决芯片设计难题，并通过AI注入EDA的方式，不仅为集成电路设计行业在效率上带来了显著提升，同时也实现了芯片设计质量和生产力的突破。

让AI融入EDA

EDA（电子设计自动化）主要指电子半导体行业中各种开发与仿真工具，在芯片设计中，EDA贯穿了芯片设计的整个流程，涵盖从前端的电路设计到后端的物理实现与验证等各个环节。

但随着摩尔定律的放缓以及市场对高性能、低功耗芯片的需求不断增长，传统EDA工具和方法逐渐显现出局限性。模拟电路设计尤其困难，因为它涉及大量的非线性行为，并且各设计元素之间存在复杂的相互作用，这使得优化成为一项极为耗时的任务。 为了应对这些挑战，将AI融入到EDA中成为许多企业的选择。作为最早在行业内推行AI话设计工具的厂商，新思科技早在2020年便推出了设计AI工具DSO.ai，随后有相继推出了验证工具VSO.ai、测试工具TSO.ai，以及模拟芯片工具ASO.ai。

图源：新思科技

以ASO.ai为例，作为通过AI所收益的设计模拟芯片工具。相比数字设计可利用抽象概念实现自动化扩展，而模拟设计因元素间复杂交互、众多复杂设计指标（如供电电流、信噪比等），难以像数字设计那样从传统优化算法中受益。

其电路行为基于非线性器件模型，缺乏简单代理函数，模拟过程本身也是迭代收敛的，无法从期望结果反向推导出电路特性，所以传统上模拟设计主要依赖手动操作，限制了对代工厂专业子节点的利用和市场机会的把握。 在传统优化算法在模拟设计中，只有当期望结果能简单建模且至少在排序上正确时才可行，但模拟电路的复杂性使这种情况很少见。

而ASO.ai能够自动将模拟设计从一个工艺节点迁移到另一个工艺节点。它通过自动原理图迁移和基于知识的自动布局迁移，实现分层模拟IP的快速迁移。简单来说，ASO.ai能够帮助设计团队快速将模拟设计迁移到新的工艺节点，从而加速产品上市时间。 并且利用基于样本的优化系统，ASO.ai可以在多个测试平台和数百个PVT（工艺、电压、温度）拐角中优化复杂的模拟设计，快速收敛到符合工程规范的最佳设计点。 同时在布局感知设计优化方面，ASO.ai可以实现多目标优化代理，在运行过程中进行学习，帮助工程师在多个测试中同时集中并进一步优化模拟设计。

自动化的设计迁移和优化减少了对人工干预的依赖，降低了设计错误的风险。通过AI的学习和优化能力，使用ASO.ai能够实现更高质量的设计结果。 ASO.ai可适用于需要高性能和高可靠性的模拟设计，如射频、电源管理和信号链等领域的模拟IC设计。当设计团队需要将现有的模拟设计迁移到新的工艺节点时，ASO.ai也可以提供强大的支持，简化迁移过程，确保设计在新工艺节点下的性能和可靠性。

ASO.ai帮助客户

如何应对模拟IC复杂设计

在实际进行模拟IC设计时，会遇到许多复杂问题。例如EDA算法推动了数字设计发展，但模拟设计因传统方法局限进展缓慢。而AI优化通过实际模拟实验学习和反馈收敛的方式，非常适合自动化模拟电路设计过程，不仅在优化环节体现价值，还在模拟电路节点迁移和设计流程各阶段重新调整设计时发挥重要作用，有助于设计公司快速响应市场机会，突破模拟设计复杂性障碍。

而在当今半导体技术快速发展的背景下，GF（GlobalFoundries）借助新思科技的ASO.ai进行模拟IC设计。GF拥有45RFSOI和22FDX等在量产中用于5G毫米波市场的工艺技术。其中45RFSOI是基于45nm工艺的SOI（PDSOI）技术，自2017年量产，在毫米波应用中具有高传输功率、低损耗开关等优势；22FDX专为SoC应用的RF/毫米波性能优化，有高Ft和Fmax值、低寄生电容等特点。

在芯片设计电路优化中，ASO.ai可以构建学习数据库和机器学习模型，跟踪多工况和测试平台下的实际依赖关系，辅助优化器探索设计空间。

例如在22FDX上优化28GHz PA时，可以分为三步，首先优化DC电路偏置点，如设定VDD=1.75V时优化VDOP和VDDL，通过参数化设计变量VGG1和VGG0并设置扫描范围，经多次迭代找到最优值；接着优化PA稳定性，通过在PrimeWave中添加表达式测量Kf值并设定目标，选择相关电容（如中和电容C0和栅极电容CP）作为设计参数化对象进行优化；最后优化包括功率附加效率（PAE）在内的大信号分析指标，更新前两步的最优值后进行谐波平衡分析，判断是否需进一步优化。整个过程中，ASO.ai可以依据学习数据库和模型不断调整模拟实验，快速收敛到符合设计规范的结果。

使用ASO.ai设计后，GF发现28GHz PA在22FDX工艺上相比45RFSOI表现出相似或更好性能。如增益从16dB提升到17dB，带宽从12.5GHz调整到11.5GHz，电源电压从1.8V降为1.75V，峰值PAE从48.3%变为46%，CW Psat从18.8dBm提高到20dBm。

在设计效率上，传统手动迁移和优化需约1-2个月完成前端设计/分析及1个月完成布局，而使用该自动化流程仅需几天，显著提高了生产力，体现了ASO.ai在GF模拟IC设计中从45RFSOI到22FDX工艺迁移的高效性和有效性。

图源：新思科技

不仅是GF，Credo Semiconductor在使用ASO.ai也实现了更高效率。据公开报道显示，Credo 使用ASO.ai将VCO设计从5nm迁移到7nm时，迁移工作量从数周缩短至几小时，生产力提高达100倍。迁移后的设计用基于ASO.ai的优化器优化，约在2小时内完成超10000次搜索，而在过去需要数天甚至数周。

小结

显然AI+EDA已经在行业中得到了充分验证，而ASO.ai作为新思科技在AI驱动的EDA领域的重要产品之一，它通过结合AI技术和传统的EDA工具，为模拟设计带来了新的突破。其通过智能化的优化和迁移功能，能够帮助设计团队在面对复杂的模拟设计挑战时，实现更高的设计效率和质量，同时大大降低设计成本和时间。也期待未来随着AI技术的进一步发展，在芯片设计中迸发更加精彩的表现。