据外媒报道，浦项科技大学（POSTECH）研究人员开发出一种人工智能方法，旨在解决模拟半导体布局设计中的一个关键瓶颈。传统上，模拟半导体布局设计严重依赖工程师的经验。该研究成果近期发表于期刊《IEEE Transactions on Circuits and Systems I: Regular Papers》。

图片来源： 期刊《IEEE Transactions on Circuits and Systems I: Regular Papers》

半导体被广泛应用于智能手机、汽车和人工智能服务器等众多技术领域。然而，模拟半导体布局设计仍然难以实现自动化，因为设计人员必须手动排列决定性能和可靠性的结构，同时还要满足大量的设计规则。

由于电路布局过于复杂，且不同电路的设计策略差异显著，模拟电路设计的自动化一直面临着巨大的挑战。此外，由于布局数据通常被视为专有信息，很少对外共享，因此训练数据也十分匮乏。

浦项科技大学（POSTECH）电子工程系Byungsub Kim教授领导的研究团队专注于“基础模型”方法。基础模型首先在大规模数据上进行预训练，然后只需相对较少的额外训练即可适应不同的下游任务。研究人员将这一概念应用于模拟电路布局设计。

关键方法是自监督学习，即模型无需人工标注即可进行学习。研究团队将模拟电路布局分割成小块，遮盖每个布局的一部分，并训练模型预测缺失的布局元素。利用这种方法，研究人员从六个真实的布局数据集中生成了约32万个训练样本。

预训练后，模型学习了模拟电路布局中常见的重复结构和模式。在少量额外数据的情况下，该模型被应用于五项与布局相关的任务：触点生成、过孔生成、虚拟图案插入、N阱生成和金属布线。实验表明，生成的布局中有96.6%通过了设计规则检查和布局与原理图的验证。研究团队还报告称，使用传统方法所需数据量的八分之一即可达到相当的性能。

该研究表明，单一的基础模型可用于多种模拟电路布局任务，从而减少了为每个任务构建单独模型的需要。研究人员表示，这种方法可以减轻设计工作量，缩短开发时间，提高半导体设计的效率。

“这项工作显著扩展了模拟半导体布局设计自动化的实际可行性，此前，由于数据匮乏，这项工作一直受到限制，”Kim教授说道。第一作者Sungyu Jeong表示：“这项工作的主要贡献在于其能够实现大规模学习的方法。我们的目标是收集更多数据，并继续完善基础模型，使其达到实际可用的水平。”