مدل های دوقلو دیجیتال در طراحی ADC: یک Paradigm جدید برای بهینه سازی عملکرد

طراحی مبدل های آنالوگ به دیجیتال با عملکرد بالا (ADCs) به طور سنتی بر نمونه سازی فیزیکی، مشخصات گسترده آزمایشگاهی و تنظیم تجربی متکی است، در حالی که موثر است، زمان بر، پر هزینه، و محدود به توانایی آن برای کشف فضای طراحی کامل است. مدل های دوقلو دیجیتال اساسا این چشم انداز را تغییر می دهند.

مدل دوقلو دیجیتال برای سیستم های ADC چیست؟

یک دوقلو دیجیتال بیش از یک شبیه سازی استاتیک است.این یک نمایندگی زنده است که به طور مداوم با داده ها از همتای فیزیکی خود به روز می کند – یا در مرحله طراحی، با مدل های با رضایت بالا از سیستم فیزیکی در نظر گرفته شده.

  • ویژگی های نوری: غیر خطی، سر و صدا، نمونه برداری از jitter، محدودیت پهنای باند و محدوده دینامیکی.
  • رفتار مستقیم: [FLT 1] اثرات خود گرمایش، چرخش وابسته به دما و اتلاف قدرت در سراسر آرایه مبدل.
  • عوامل مکانیکی و محیطی: انگل های بسته، اتصال بستر، موج عرضه ولتاژ و تداخل الکترومغناطیسی.
  • تغییرات ضروری: مدل مونت کارلو برای تحمل نیمه هادی ساخت و ساز و ناسازگاری.

با ترکیب این دامنه ها به یک شبیه سازی یکپارچه، دوقلو دیجیتال به یک پلت فرم برای بررسی چگونگی رفتار ADC تحت شرایط عملیاتی واقع بینانه تبدیل می شود - شرایطی که سخت یا غیرممکن است که به طور کامل بر روی یک نیمکت تست تکرار شود.

چرا دوقلوهای دیجیتال برای شبیه سازی عملکرد ADC اهمیت دارند

ADC ها اجزای حیاتی در ارتباطات، تصویربرداری پزشکی، رادار و IoT صنعتی هستند. عملکرد آنها به طور مستقیم بر معیارهای سطح سیستم مانند نسبت سیگنال به نویز (SNR)، محدوده دینامیکی بدون محرک (SFDR) و ابزار شبیه سازی برق (به عنوان مثال، مدل های سطح SPICE) دقت ارائه می دهد، اما برای اکتشاف سیستم، در حالی که مدل های وفاداری دیجیتال برای این شکاف قربانی.

[در این باره]: [[۱] [۱۰] [۱] [۱] [۱] [۱۰] [۱] [۱]

  • همگرایی طراحی الکترواستر: مهندسان می توانند هزاران پارامتر را به جای هفته اجرا کنند، شناسایی اندازه های مطلوب ترانزیستورها، مقادیر خازن و زمان بندی ساعت.
  • کاهش هزینه: یک دوقلو دیجیتال می تواند چندین چرخه چرخش از ساخت سیلیکون را از بین ببرد، صرفه جویی در میلیون ها در هزینه های ماسک و زمان مهندسی.
  • قابلیت اطمینان بهبود یافته: دوقلوهای دیجیتال می توانند طرح های تست استرس در گوشه های شدید دما، ولتاژ و فرکانس بدون خطر سخت افزار.
  • بهینه سازی دامنه: معاملات بین بلوک های آنالوگ و دیجیتال (به عنوان مثال الگوریتم کالیبراسیون، پردازش پس از پردازش دیجیتال) می تواند با هم ارزیابی شود.

به عنوان مثال، در یک خط لوله ADC، دوقلو دیجیتال می تواند اثر عدم تطابق خازن را بر عدم خطی بودن جدایی ناپذیر (INL) شبیه سازی کند و سپس به طور خودکار یک حلقه کالیبراسیون پس زمینه را برای جبران - همه قبل از نوار.

ساخت یک Twin دیجیتال برای بهینه سازی ADC

Data Acquisition و Model کالیبراسیون

اولین گام جمع آوری اطلاعات دقیق در مورد توپولوژی ADC فیزیکی است. [۱] این شامل لیست های سطحی ترانزیستور، مدل های انگل استخراج شده، ارزش های مقاومت حرارتی، و اندازه گیری داده ها از طرح های قبلی یا تراشه های تست های تست های یافت شده برای طراحی جدید، دوقلو از زمین ساخته شده است تا با استفاده از foundry PDK (cessPro Kit) مدل های طراحی شده است.[۱۰]

Multi-Physics شبیه سازی شبیه سازی

سیستم عامل های دوقلو دیجیتال مدرن، شبیه ساز های الکترومغناطیسی، حرارتی و مدار را ترکیب می کنند. Ansys Electronics یا Clsight PathWave اجازه می دهد ترکیب هسته های آنالوگ ADC با منطق دیجیتال و مدل های بسته.

  • [[۱] [۱۰] [۱] [۱۰] [۱] [۱]] [۱]] [۱]] - نمونه و [برج]، جمع کننده، نردبان مرجع.
  • دیجیتال backend - منطق رمزگذاری، الگوریتم های اصلاح، فیلتر decimation.
  • شبکه تحویل قدرت - عرضه ضعیف، کاهش، IR.
  • [[۱] [۱۰] شبکه [FLT: ۱] - مقاومت در برابر محیط زیست، پخش کنندگان گرما.

اگر دوقلو دیجیتال برای نظارت بر میدان یا مدیریت چرخه عمر استفاده شود، داده های زنده را از ADC فیزیکی از طریق سنسورهای داخلی (درجه حرارت، کدهای خروجی فعلی، ارائه) جریان می دهد.این حلقه بازخورد به طور مداوم دقت مدل را بهبود می بخشد و تعمیر و نگهداری پیش بینی را فعال می کند - به عنوان مثال، تشخیص زمانی که ADC از مشخصات به دلیل پیری خارج می شود.

مطالعه موردی: بهینه سازی 12 بیتی 1 GS / SCO ADC با دوقلوهای دیجیتال

یک ثبت نام تقریبی پی در پی (SAR) ADC طراحی شده برای یک ایستگاه پایه 5G را انتخاب کنید.هدف این است که SNR را به حداکثر برسانید در حالی که قدرت را کمتر از 50 متر وات نگه دارید و از یک دوقلو دیجیتال استفاده کنید، تیم طراحی بهینه سازی زیر را انجام می دهد:

  1. Capacitor DAC sizing: این دوقلو یک تجزیه و تحلیل مونت کارلو از اثرات ناسازگار را اجرا می کند، نشان می دهد که یک معماری 7 بیتی تقسیم شده، خطاهای DNL را با 0.2 LSB در مقایسه با یک آرایه دودویی وزن، صرفه جویی 15٪ قدرت کاهش می دهد.
  2. کالیبراسیون جبران کننده جبران: زیر مدل حرارتی نشان می دهد که خود گرمایش باعث یک حرکت 2 mV افست در سراسر دما می شود.این دوقلو به طور خودکار یک حلقه جبران دیجیتال را برای جبران در 100 n تنظیم می کند.
  3. حساسیت جلاک: سیمینگ یک 10 ps RMS jitter یک تخریب 1.2 dB در SNR را به ارمغان می آورد.این دو توصیه می کنند که یک طراحی مجدد PLL برای سفت کردن سخت تر کردن jitter به 5 ps، بازیابی عملکرد از دست رفته.
  4. ] رد عرضه قدرت: یک موج عرضه 50 mV در 100 مگاهرتز SFDR را با 3 dB کاهش می دهد. دوقلو دیجیتال مشخص می کند که اضافه کردن یک تنظیم کننده LDO محلی بر روی تراشه این مسئله را حذف می کند، با تنها 2 mW مجازات قدرت.

تمام این بهینه سازی ها در دوقلو قبل از هر سیلیکون ساخته شده است. تراشه نهایی به 68 dB SNR و 78 dBc SFDR در 48 متر وات دست می یابد - با پیش بینی های دوقلو در 0.3 dB مطابقت دارد.

ادغام AI و یادگیری ماشین با دوقلوهای دیجیتال

مرز بعدی، AI را به طور مستقیم به دوقلو دیجیتال جاسازی می کند تا بتواند خود بهینه سازی ADCs را فعال کند. مدل های یادگیری ماشین را می توان در داده های شبیه سازی از دوقلو آموزش داد تا معیارهای عملکردی را به عنوان توابع پارامترهای طراحی پیش بینی کند.

  • یک شبکه عصبی می تواند الگوهای ناسازگاری خازن را به INL نقشه برداری کند، سپس یک جدول جستجو برای اصلاح دیجیتال ایجاد کند، به جای میلی ثانیه به کالیبراسیون در میکرو ثانیه دست یابد.
  • عوامل یادگیری تقویت کننده می توانند تنظیمات فاز ساعت را در دوقلو بررسی کنند تا قدرت را تحت یک هدف SNR پویا به حداقل برسانند و با تغییر شرایط عملیاتی سازگار شوند.

پلتفرم هایی مانند MATLAB /Simulink در حال حاضر از ترکیب مدل های AI با توصیف رفتاری ADC پشتیبانی می کنند. دوقلو دیجیتال برای آموزش این بلوک های AI، اطمینان حاصل می کند که آنها به طور قوی قبل از استقرار، به هم پیوسته اند.

چالش ها و بهترین تمرین ها

مدل Fidelity در مقابل شبیه سازی سرعت

یک دوقلو دیجیتال که بسیار دقیق است ممکن است کندتر از زمان واقعی اجرا شود، شکست هدف آن، مهندس باید سطح انتزاع مناسب را انتخاب کند: سطح کامل ترانزیستورها برای بلوک های بحرانی (پاریس، بافر مرجع)، و مدل های رفتاری برای منطق دیجیتال یا آرایه های بزرگ. ترکیب و مدل سازی سازگار [FLT 1 تکنیک ها به دقت در حالی که شبیه سازی سریع کمک می کنند، کمک می کند.

مدیریت داده ها

دوقلوهای دیجیتال مقادیر زیادی از داده ها را تولید می کنند – نقشه های دما، فرم های موج ولتاژ، هیستوگرام های کد، یک پایگاه داده ساختار یافته و لایه تجسمی ضروری هستند.با استفاده از استانداردهای باز مانند مدل برای مدل سازی سیستم می تواند قابلیت همکاری بین ابزارها را بهبود بخشد.

اعتبار با سخت افزار

مهم نیست که این دو تا چقدر پیچیده هستند، باید در برابر اندازه گیری های فیزیکی معتبر باشند.یک عمل مشترک این است که یک سخت افزار-in-loop (HIL) را بسازید : دوقلو دیجیتال بر روی یک FPGA یا پردازنده اجرا می شود، رانندگی نمونه اولیه ADC از طریق تجهیزات تست و خروجی اندازه گیری شده با به روز رسانی های دیسک شبیه سازی شده است.

امنیت و حفاظت از IP

دوقلوهای دیجیتال دارای مالکیت فکری حساس هستند.شرکت ها باید رمزگذاری و کنترل دسترسی را اعمال کنند و استفاده از دوقلوهای مبتنی بر ابر را تنها از طریق محیط های امن و قابل حسابرسی در نظر بگیرند.

آینده دوقلوهای دیجیتال در توسعه ADC

همانطور که گره های نیمه هادی کوچک می شوند و تقاضای عملکرد ADC افزایش می یابد، دوقلوهای دیجیتال ضروری می شوند. چندین روند به سرعت مورد نیاز است:

  • خدمات دوقلوی دیجیتال مبتنی بر ابر: یافته ها و فروشندگان EDA ارائه دوقلوهای دیجیتال از پیش ساخته شده برای معماری استاندارد ADC، کاهش مانع ورود به تیم های طراحی کوچک.
  • دوقلوهای دیجیتال برای کل سیستم های داخل تراشه (SoCs): ADC به طور فزاینده ای در SoC های پیچیده با پردازنده های دیجیتال، حافظه و دوقلوهای سطح RF جاسازی شده اند.
  • دوقلوهای دیجیتال عمر: یک دوقلو که در طراحی شروع می شود و از طریق تولید، آزمایش و عملیات میدانی ادامه می یابد تبدیل به یک موضوع دیجیتال، اجازه بازخورد برای نسل های آینده.

در نتیجه، مدل های دوقلوی دیجیتال تنها یک تکنیک شبیه سازی نیستند – آنها یک روش تحول آمیز برای مهندسی ADC هستند.با در نظر گرفتن دوقلوهای دیجیتال، تیم های طراحی می توانند خطر را کاهش دهند، زمان به بازار را کوتاه کنند و سطوح عملکردی را که قبلا غیرقابل دسترسی به نظر می رسید، کلید شروع کوچک، معتبر و مقیاس به سمت یک اکوسیستم دوقلوی کاملا یکپارچه دیجیتال است که کل محصول را در بر می گیرد.