Otimização de amplificadores operacionais de transcondutância por meio de algoritmos evolucionários

Abstract

Os amplificadores operacionais de transcondutância (OTAs) são empregados em diversos blocos básicos da eletrônica, tais como conversores digitais-analógicos, comparadores, amplificadores, entre outros. No entanto, o projeto desses circuitos integrados (CIs) metal-óxido-semicondutor complementar (CMOS) analógicos é uma atividade complexa, pois são sistemas de múltiplas variáveis de entrada e múltiplos objetivos, apresentando muitas combinações das variáveis de entrada a serem investigadas para atender as especificações de projeto requeridas. As variáveis de entrada são tipicamente as dimensões dos transistores e as condições de polarização do CI. As especificações de projeto são geralmente o ganho de tensão, a frequência de ganho de tensão unitário, a margem de fase, o consumo de potência, entre outros. Embora as ferramentas de projeto de CIs CMOS digitais estejam bem desenvolvidas e existam diversas opções disponíveis comercialmente, há poucas ferramentas de CIs CMOS analógicos disponíveis para auxiliar os projetistas. Os objetivos iniciais desta tese são aprimorar o operador de elitismo do algoritmo genético (GA) de um sistema evolucionário, desenvolvido pelo autor, que é integrado computacionalmente ao simulador SPICE, intitulado de AGSPICE e verificar na prática a sua efetividade. Esse sistema computacional é usado no processo de otimização de amplificadores operacionais de transcondutância para posteriormente serem realizados os respectivos leiautes, fabricação e caracterização elétrica experimental. Os resultados desse estudo demonstraram que o AGSPICE é capaz de aumentar a tolerância do desempenho elétrico dos OTAs em relação às variações ambientais e do processo de fabricação CMOS de CIs, permitindo o desenvolvimento de soluções práticas com precisão e baixo tempo de projeto (inferior a uma hora). O GA não foi o único algoritmo de otimização implementado no AGSPICE. Devido à grande importância de se avaliar sua capacidade em relação a diversos algoritmos de otimização existentes na literatura, outros algoritmos de otimização da área de inteligência artificial (IA) foram adicionados ao sistema, tais como o arrefecimento simulado (SA), o algoritmo competitivo imperialista (ICA) e o algoritmo do “sapo pulando embaralhado” (SFLA). Assim, o AGSPICE proposto inicialmente foi transformado em uma plataforma mais flexível e eficiente, renomeada para MTGSPICE, permitindo ao projetista escolher o algoritmo de otimização mais adequado para um determinado processo de otimização. Neste contexto, abordagens “a posteriori” têm sido amplamente utilizadas para realizar os processos de otimização de CIs CMOS analógicos, que incorporam métodos de Pareto. Porém, essas técnicas não são totalmente capazes de explorar soluções potenciais em regiões específicas da fronteira de Pareto. Além disso, os projetistas têm grande dificuldade para escolher uma solução capaz de alcançar todas as especificações desejadas simultaneamente dentre muitas soluções diferentes encontradas. Abordagens “a priori”, tal como a implementada no MTGSPICE, se tornam um método alternativo importante para superar essas dificuldades. Os estudos nesse trabalho têm também por objetivo comparar diferentes perfis de funções de aptidão usados nos processos de otimização “a priori” para aumentar a efetividade dos processos de busca em relação à tolerância, precisão e rendimento. Outro objetivo importante é analisar a relação entre os valores da função de aptidão das melhores soluções encontradas e a tolerância do desempenho elétrico, levando em conta as variações ambientais e do processo de fabricação (análises de Monte Carlo). Conclui-se que o perfil Gaussiano proposto nessa tese é capaz de melhorar todas as técnicas “a priori” estudadas. Além disso, o processo de otimização do MTGSPICE usando o perfil de função de aptidão Gaussiano proposto nesse trabalho foi qualificado usando a ferramenta profissional WiCkeD da MunEDA como referência, onde os resultados obtidos para as especificações desejadas no projeto de dois OTAs apresentaram diferenças menores que 5%.

The operational transconductance amplifiers (OTAs) are employed in several basic blocks of electronics, such as digital-analog converters, comparators, amplifiers, among others. However, the design of these analog complementary metal-oxide-semiconductor (CMOS) integrated circuits (ICs) is a complex task, because they are systems with multiple input variables and multiple objectives, presenting many combinations of the input variables to be investigated in order to meet the required design specifications. The input variables are typically the transistors dimensions and the bias conditions of the IC. The design specifications are usually the voltage gain, unity voltage gain frequency, phase margin, power consumptions, among others. Although the design tools for the digital CMOS ICs are well developed and there are several options commercially available, there are few tools for the analog CMOS ICs available to assist the designers. The initial objectives of this thesis are to improve the elitism operator of the genetic algorithm (GA) of an evolutionary system, developed by the author, which is computationally integrated to the SPICE simulator, entitled AGSPICE and verify in the practice its effectiveness. This computational system is used for the optimization process of operational transconductance amplifiers in order to subsequently to be performed the respective layouts, manufacturing and experimental electrical characterization. The results of this study demonstrated that the AGSPICE is able to increase the electrical performance tolerance of the OTAs regarding the environmental and CMOS ICs manufacturing process variations, allowing the development of practical solutions with accuracy and low design time (less than one hour). The GA was not the only optimization algorithm implemented in the AGSPICE. Due to the great importance to assess its capability in relation to several optimization algorithms existing in the literature, other optimization algorithms in the field of artificial intelligence (AI) were added to the system, such as the simulated annealing (SA), imperialist competitive algorithm (ICA) and shuffled frog leaping algorithm (SFLA). Thus, the AGSPICE initially proposed was transformed into a more flexible and efficient platform, renamed to MTGSPICE, allowing the designer to choose the most appropriate optimization algorithm for a certain optimization process. In this context, “a posteriori” approaches have been widely used to perform the optimization processes of analog CMOS ICs, which incorporate Pareto methodologies. However, these techniques are not totally able to explore potential solutions in specific regions of the Pareto front. Moreover, the designers have great difficult in choosing a solution capable of achieving all the desired specifications simultaneously among many distinct solutions found. “A priori” approaches, such as the one implemented in the MTGSPICE, become an important alternative method to overcome these difficulties. The studies in this work also aim at comparing different fitness function profiles used in the “a priori” optimization processes to boost the effectiveness of the search processes in relation to tolerance, accuracy and yield. Another important goal of this study is to analyze the relation between the fitness function values of the best found solutions and their electrical performance tolerance, taking into account the environmental and manufacturing processes variations (Monte Carlo analyses). It is concluded that the Gaussian profile proposed in this thesis is able to improve all the “a priori” techniques studied. Moreover, the MTGSPICE optimization process using the Gaussian fitness function profile proposed in this work was qualified using the professional tool WiCkeD from MunEDA as a reference, where the results obtained for the desired specifications in the design of two OTAs presented differences smaller than 5%.