Cadence推出Optimality智能系統優化器破譯高速信號優化難題

在動態系統設計領域，確保信號毫發無損地到達接收端只是冰山一角。伴隨著封裝密度的提升、更高的 PCB 走線密度和工作頻率，系統設計的復雜性要求我們統籌考慮電氣、機械、電磁和熱動力效應。實現這一目標需要人類創造力與計算能力的結合，消除阻礙不同領域專家合作的架構孤島。為了滿足這些需求，系統級優化已經成為必要條件而不是錦上添花。

傳統的手工方法包括構建模型、測試、制作原型、優化并最終加工生產，局限性非常明顯。這種方法極度依賴工程師的直覺進行優化，原型建立后，需要進行仿真以評估與設計目標的一致性。然而隨著電子設計不斷追求更強的性能，復雜性和緊湊度都在提高，僅依靠直覺已無法應對優化設計帶來的挑戰，因此我們需要更加先進的優化方法來應對日益復雜的現代化設計。

基于 AI 的優化

Cadence 推出了 Optimality 智能系統優化器，這是一種利用人工智能技術幫助設計師應對現代設計挑戰的新型優化技術。這項技術提供了多學科設計分析優化（MDAO）能力，可以執行從 IC 到封裝再到板級的無縫系統級優化。將多物理場分析工具與 Optimality 資源優化器集成，可確保設計滿足預期指標。自動化的流程大幅加速了優化過程，從而幫助工程師和設計師更容易、更高效地實現目標。

Optimality Explorer 工作流程讓用戶設定輸入參數和系統優化目標，并采用多物理場分析工具進行模擬。它使優化過程自動化并生成優化的設計和最終曲線。用戶可以優化回波損耗、插入損耗、串擾隔離度等參數以及眼圖、抖動和 BER 等系統標準。為了保證優化效率，設計人員必須預先考慮設計的幾何參數變量，如線寬、間距、長度、疊層、焊盤尺寸、反墊片幾何形狀、鉆頭尺寸和通孔的殘樁長度。創建模型時，還必須考慮 PVT 角、端接電阻（ODT）、抖動均衡等參數。

Optimality Explorer 旨在幫助設計人員完成無縫的、無用戶干預的設計優化。其算法可以讓優化過程自動化，確保流暢和友好的用戶體驗。僅需不到 500 次迭代即可完成優化，實現了比傳統方法更快的收斂速度，被稱為設計領域 AI 驅動的多學科分析和優化工具。

優化時需要注意的參數和考量

例如，系統信道由發射器、接收器、PCB 互連、封裝和載板組成。這些組件被抽象表述為發射器-接收器的 IBIS-AMI 模型，以及收發器件之間由布線和通孔構成的通道模型。

為了確保最佳信道性能，需考慮各種幾何變量，如線寬、間距、長度、布線疊層、焊盤大小、反焊盤幾何形狀、鉆頭大小和通孔的殘樁長度。創建模型時，還應考慮 PVT 角、端接電阻（ODT）和抖動均衡等參數。

優化過程中，指定需要優化的設計參數和預期的優化目標。同時，創建額外的替代模型對這些參數的有效優化也極為重要。

Optimality Explorer 利用隨機搜索生成的初始數據集構建并訓練機器學習模型。它不斷地分析模擬參數、更新設計變量、計算目標函數和約束條件，直到達成終止收斂的標準。

Optimality Explorer 旨在幫助設計人員簡化優化過程，特別適用于需要同時優化多種可調參數的場景。它的算法可以實現優化過程自動化，無需用戶干預，易于使用。

與需要超過 2500 次迭代才能得到可接受結果的傳統方法相比，Optimality Explorer 可以用不到 500 次迭代就得到最終結果，實現更快的收斂速度。

利用 Optimality Explorer實現效率提升

在復雜的電路布局中，只使用單一的布線和通孔是遠遠不夠的。因為每個組件都會影響其他組件的行為，需要構建所有組件的組合才能設計出完整的互連模型。

兩個交叉排線平面的差分對

Optimality Explorer 可以高效、準確地模擬并優化復雜的 3D 布局，它包括可用于 PC 電腦的場求解器，可以處理通常被認為極具挑戰性的各種場景。例如，它可以在差分對設計中最大化交叉排線，實現更好的結果。Optimality Explorer 還可以減少窮舉法掃描所需的模擬次數，更快地達到目標。

Optimality Explorer 可以優化布局前和布局后的設計。例如，僅需 46 次模擬就實現了射頻功率分配器的優化目標，而相比之下，窮舉掃描則需要超過 300 萬次模擬。Optimality Explorer 也可以被用于處理多參數設計，例如僅需 71 次迭代即完成對擁有 16 個參數的微帶貼片天線的優化。

未來視野：Optimality 平臺的擴展

Optimality Explorer 工具的開發團隊目前正致力于將該平臺擴展到熱動力學和流體動力學領域，涉及到將用于熱分析的 Celsius 3D 求解器和用于流體動力學的 CFD 相結合。此外，電氣約束將集成到現有的 Allegro X 設計平臺約束管理器中，為用戶提供更全面的解決方案。開發團隊將持續提供這些改進的更新。

驅動電子系統的多物理分析

破譯現代系統高速信號優化難題是一項多維度的挑戰。Optimality Explorer 突破了傳統人工密集型優化過程的局限性，用 AI 驅動的技術取代了傳統的設計-測試-改進循環的交互流程，從而生成最優的系統設計解決方案。Optimality Explorer 將像燈塔一樣引導設計人員穿過復雜迷霧，利用自動化提高效率，走向通往綜合設計解決方案的未來之路。

審核編輯：劉清