-
公开(公告)号:CN116484787A
公开(公告)日:2023-07-25
申请号:CN202210039711.4
申请日:2022-01-13
Applicant: 复旦大学
IPC: G06F30/373 , G06F30/398
Abstract: 本发明属集成电路设计技术领域,具体涉及一种基于贝叶斯优化(Bayesian Optimization)的模拟电路优化方法,该方法采用高斯过程(Gaussian Process)建模,并利用带约束预测熵搜索(PESC)和可行域期望提升(FEI)作为采集函数。本发明提出对模拟电路的各个性能指标分别建立高斯过程模型;通过优化PESC/wPESC采集函数,产生下一轮迭代优化需要仿真的Testbench和相应仿真点;通过对可行域期望提升采集函数求解一个多模态优化问题,提升探索未知可行域的效率。与现有技术的模拟电路优化方法相比,本方法在保证电路优化质量的同时,能够显著减少优化过程中所需电路仿真的次数。