一种机器学习辅助的片上变压器自动综合方法

    公开(公告)号:CN119227514A

    公开(公告)日:2024-12-31

    申请号:CN202411247100.4

    申请日:2024-09-06

    Abstract: 本发明公开了一种机器学习辅助的片上变压器自动综合方法,首先设定片上变压器电参数目标和工艺约束;使用逆向人工神经网络快速预测得到一组结构参数作为初始解;接着对结构参数进行随机采样,其中一部分样本空间为初始解周围浮动得到,并进行全波电磁仿真获取样本;将样本全波仿真数据进行压缩,进而引入片上变压器先验知识训练GPR代理模型,使得模型的维度降低且预测准确度更高;然后进行全局优化,通过初始解约束优化范围,并进一步采用不同置信下限常数带来的多路径优化增强算法的收敛性和探索性。本发明采用逆向网络和正向优化相结合的算法,在保证准确度的同时具有更低的计算成本和更高的优化速度,推动了片上无源器件设计的自动化和智能化。

    一种片上变压器自动绘制方法
    2.
    发明公开

    公开(公告)号:CN119180258A

    公开(公告)日:2024-12-24

    申请号:CN202411247104.2

    申请日:2024-09-06

    Abstract: 本发明公开了一种片上变压器自动绘制方法,可适用多种结构,包括交错互绕变压器、对称互绕变压器和对称叠层变压器。本发明的片上变压器自动绘制方法可实现任意多边形、不同结构、多种匝比的变压器绘制,可在任意位置增加抽头结构,能覆盖常见射频电路应用场景。相较于传统手动绘制,本发明只需提供所需的结构参数和结构类型,即可快速输出变压器版图,极大地提高了无源器件的设计效率。同时,本发明结合了几何先验知识对绘制结构进行预筛选,自动建模成功率可达100%。本发明所述方法在保证成功率的同时推动了射频电路设计的自动化和智能化。

Patent Agency Ranking