Description du livre
Ce livre traite du dimensionnement et de la disposition automatiques des circuits intégrés analogiques (CI) utilisant l'apprentissage profond (DL) et les réseaux neuronaux artificiels (ANN). Il explore une approche innovante du dimensionnement automatique des circuits où les ANNs apprennent des modèles à partir de solutions de conception optimisées précédemment. Contrairement aux stratégies classiques de dimensionnement basées sur l'optimisation, où les techniques d'intelligence informatique sont utilisées pour itérer sur la carte les tailles des dispositifs et les performances des circuits fournies par les équations de conception ou les simulations de circuits, les ANN sont capables de résoudre le dimensionnement des circuits intégrés analogiques comme une carte directe entre les spécifications et les dimensions des dispositifs. Deux architectures ANN distinctes sont proposées : un modèle de régression uniquement et un modèle de classification et de régression. Le but du modèle de régression seulement est d'apprendre les modèles de conception des circuits étudiés, en utilisant les performances des circuits comme caractéristiques d'entrée et la taille des dispositifs comme sorties cibles. Ce modèle peut dimensionner un circuit compte tenu de ses spécifications pour une topologie unique. Le modèle de classification et de régression a les mêmes capacités que le modèle précédent, mais il peut également sélectionner la topologie de circuit la plus appropriée et son dimensionnement respectif en fonction de la spécification cible. La méthodologie proposée a été mise en œuvre et testée sur deux topologies de circuits analogiques.