[发明专利]一种模拟集成电路优化方法和系统

权利要求书

1.一种模拟集成电路优化方法，其特征在于，包括：

获取初始电路网表和晶体管统计模型；

对所述初始电路网表和晶体管统计模型分析得到设计变量、优化目标及约束条件；

依据所述设计变量的范围随机产生初始种群；

更改所述设计变量，依据更改后的所述设计变量生成所述初始种群中每个个体对应的电路网表，所述电路网表代表新一代种群；

通过采用电路级模拟程序对所述新一代种群进行仿真，得到所述新一代种群中各个个体的电路性能指标，采用SPICE模型和高斯过程回归利用SPICE仿真器对新一代种群进行蒙特卡罗分析估算得到良率估计值，所述良率估计值包括种群中每个个体观测点上良率的待预测值；

依据所述电路性能指标和良率估计值采用进化算法对所述新一代种群进行进化得到下一代种群；

根据预设的最大进化代数判断进化是否结束，如果是，生成当前种群对应的Pareto最佳解集，依据Pareto最佳解集进行决策并验证，如果否，更改所述设计变量，依据更改后的所述设计变量生成所述初始种群中每个个体对应的第一电路网表，所述第一电路网表代表新一代种群，直至生成当前种群对应的Pareto最佳解集，并依据Pareto最佳解集进行决策并验证为止；

所述采用SPICE模型和高斯过程回归利用SPICE仿真器对新一代种群进行蒙特卡罗分析估算得到良率估计值，包括：

获取当前种群的训练点集(Y，X)，Y为种群中每个个体观测点的良率的观测值，X为种群中每个个体观测点；

依据所述训练点集(Y，X)由公式(1)计算得到种群中每个个体观测点的良率的待预测值y^*的后验分布为进而确定当前种群中每个个体观测点的良率的待预测值平均值及其方差判断所述方差是否在允许误差范围之内，如果否，则在当前种群中选择一个新的个体x^*，进行蒙特卡罗分析得到被选择的新个体x^*的良率观测值y，把(x^*，y)加入训练点集(Y，X)，重新进行预测，直至每个个体观测点的所述良率的待预测值平均值的方差均在允许误差范围之内，y^*为良率的待预测值；

其中，所述公式(1)为：设良率观测值Y的先验分布为高斯分布：Y～N(0,K(X,X))，K(X,X)为对称正定协方差矩阵，矩阵元为种群中待预测个体的设计变量之间的相关性，y^*为种群中每个个体观测点上良率的待预测值，为种群中待预测个体的设计变量；

所述获取当前种群的训练点集，包括：

判断当前种群为第几代种群；

当所述当前种群为第一代种群时，在所述第一代种群的全部个体观测点上进行蒙特卡罗分析，所述第一代种群中的全部个体观测点为第一代种群的训练点集时，将所述第一代种群的训练点集作为当前种群的训练点集(Y，X)；

当所述当前种群为第Z代种群时，以第Z-1代种群的全部个体观测点作为当前种群的训练点集(Y，X)。

2.一种模拟集成电路优化系统，其特征在于，包括：

采集模块，用于获取用户输入的初始电路网表和晶体管统计模型；

分析模块，用于对所述初始电路网表和晶体管统计模型分析得到设计变量、优化目标及约束条件；

种群生成模块，用于依据所述设计变量的范围随机产生初始种群；

第一进化模块，用于更改所述设计变量，依据更改后的所述设计变量生成所述初始种群中每个个体对应的电路网表，所述电路网表代表新一代种群；

仿真模块，用于通过采用电路级模拟程序对所述新一代种群进行仿真，得到所述新一代种群中各个个体的电路性能指标，采用SPICE模型和高斯过程回归利用SPICE仿真器对新一代种群进行蒙特卡罗分析估算得到良率估计值，所述良率估计值包括种群中每个个体观测点上良率的待预测值；

第二进化模块，用于依据所述电路性能指标和良率估计值采用进化算法对所述新一代种群进行进化得到下一代种群；

决策验证模块，用于根据预设的最大进化代数判断进化是否结束，如果是，生成当前种群对应的Pareto最佳解集，依据Pareto最佳解集进行决策并验证，如果否，更改所述设计变量，依据更改后的所述设计变量生成所述初始种群中每个个体对应的电路网表，所述电路网表代表新一代种群，直至生成当前种群对应的Pareto最佳解集，并依据Pareto最佳解集进行决策并验证为止；

所述仿真模块，包括：

良率计算单元，用于获取当前种群的训练点集(Y，X)，Y为种群中每个个体观测点的良率的观测值，X为种群中每个个体观测点；

依据所述训练点集(Y，X)由公式一计算得到良率的待预测值y^*的后验分布为得到当前种群中每个个体的良率的待预测值平均值及其方差判断所述方差是否在允许误差范围之内，如果否，则在当前种群中选择一个新的个体x^*，进行蒙特卡罗分析得到被选择的新个体x^*的良率观测值y，把(x^*，y)加入训练点集(Y，X)，重新进行预测，直至每个个体的所述良率的待预测值平均值的方差均在允许误差范围之内，y^*为良率的待预测值；

其中，所述公式一为：设良率观测值Y的先验分布为高斯分布：Y～N(0,K(X,X))，K(X,X)为对称正定协方差矩阵，为种群中待预测个体的设计变量，矩阵元为种群中待预测个体的设计变量之间的相关性，y^*为种群中每个个体观测点上良率的待预测值；

所述仿真模块，还包括：

训练点集选取模块，用于判断当前种群为第几代种群；当所述当前种群为第一代种群时，在所述第一代种群的全部个体上进行蒙特卡罗分析，所述第一代种群中的全部个体为第一代种群的训练点集时，将所述第一代种群的训练点集作为当前种群的训练点集(Y，X)；当所述当前种群为第Z代种群时，以第Z-1代种群的全部个体作为当前种群的训练点集(Y，X)。