电子设计自动化（EDA）工具的演进趋势是借助先进的自动化技术，提升设计效率与质量，AI（人工智能）和ML（机器学习）技术的融入，进一步强化了这一特性。
在数字逻辑芯片领域，AI驱动的EDA工具已带来巨大变革，可实现自动化布局布线、智能仿真与验证、设计优化以及FinFET工艺迁移等工作。然而，在模拟/射频器件领域，由于电路设计的定制性与复杂性、工艺的多样性等问题，AI用于模拟/射频工艺迁移的研究成果与案例极为稀缺。
为提升AI在模拟/射频器件设计和工艺迁移方面的技术价值，新思科技与格芯（GlobalFoundries）携手，将一款高性能28GHz 5G毫米波功率放大器（Power Amplifier，PA）从格芯45RFSOI工艺平台转移至22FDX工艺平台，并与手动迁移至22FDX工艺平台的产品进行了对比。
以往，模拟/射频器件工艺迁移主要依靠设计工程师手动完成，且这些工程师需具备资深的设计与迁移经验，这为AI赋能模拟/射频器件工艺迁移带来了一些天然障碍，主要集中在设计复杂性、工艺差异性和AI工具不成熟这三个方面。
与大量使用标准元件库的数字逻辑电路不同，模拟/射频电路的设计很多时候是完全定制的。设计工程师需要根据具体应用和工艺平台手动优化设计。同时，在设计优化过程中，模拟/射频电路通常需要同时优化多个性能指标，如增益、带宽、功耗、噪声等，而这些性能之间存在一定冲突，高度依赖设计工程师的经验和直觉。并且，这些经验和直觉因人而异，很难成为训练AI工具的标准数据。
在工艺方面，数字逻辑芯片主要采用FinFET工艺制造，每一代工艺迭代在基础架构、标准元件库等方面都有大量延续。但模拟/射频电路在工艺迁移时差异巨大，不同工艺节点或不同工艺技术都会导致器件性能产生巨大差异。尤其是每更换一个工艺平台，寄生效应（如寄生电容、电阻、电感）会发生很大改变，这就要求在工艺迁移时对这些参数进行针对性优化，而每个设计工程师的优化策略都不相同。此外，在模拟/射频工艺上，不同工艺的PDK（Process Design Kit）中的参数和单元也并不一致。这些差异性给使用AI进行模拟/射频工艺迁移造成了很大的阻碍，要求AI工具能够深刻理解并映射这些差异。
在此次新思科技和格芯的合作案例中，所进行的工艺迁移涵盖了不同的工艺节点和不同的工艺类型。其中，45RFSOI工艺平台是45nm节点的PDSOI工艺，22FDX工艺是22nm节点的FDSOI工艺。PDSOI和FDSOI虽然都是绝缘体上硅（Silicon on Insulator，SOI）技术，但两者在活性层耗尽程度、栅极电容与漏电流、掺杂与退火处理等方面存在显著差异，具体如下表所示。
由于节点和工艺不同，格芯的45RFSOI平台和22FDX平台具有不同的技术特性。45RFSOI是格芯与顶级射频公司合作提供的业界领先的射频SOI技术，可为各种射频应用带来低功耗、低噪声和低延迟等特点。其高截止频率（fT）和最大振荡频率（fmax）（305/380GHz）可满足5G毫米波工作频率，能实现更高的PA Pout和PAE，采用高电阻率的富陷阱层衬底能实现更好的网络匹配。
22FDX是一种专门为SoC应用实现最佳RF/mmWave性能而设计的工艺技术，能够提供高性能的射频和电源管理功能，具有347GHz的高fT和371GHz的高fmax。格芯的22FDX采用薄埋氧层（Buried Oxide,BOX），隔离了完全耗尽的晶体管与衬底，显著降低了漏源寄生电容，从而提高了射频性能；支持背栅控制，可以动态调整器件特性，如阈值电压；支持高密度的APMOM电容，能够使用更精细的金属层实现高密度集成；提供高性能的前端（FEOL）和后端（BEOL）射频无源元件，支持更加复杂的电路设计；支持高达110GHz的频率范围，适用于5G毫米波和卫星通信等高频应用；通过厚金属层，如JA层，实现高电流密度，满足毫米波电路的电磁兼容性（EMC）要求。
与FinFET工艺相比，22FDX技术使用更少的掩模层，降低了制造成本；ENBFMOAT器件（一种特殊的高电阻区域器件）具有优异的开关性能，进一步提高了射频电路的隔离度；22FDX技术提供完整的工艺设计套件（PDK），包括参数化单元（pCell）、器件模型和设计规则，支持快速设计和验证。
图2：基于22FDX实现毫米波器件设计。
（图源：新思科技）
通过工艺平台介绍可知，基于22FDX设计制造高性能28GHz毫米波PA能够实现更低的器件功耗、更高的器件集成度、更灵活的器件设计等。不过，正如上文所述，工艺节点和工艺技术的变化，对模拟/射频器件迁移极具挑战。目前可用的工艺迁移方案采用手动方式，是一项劳动密集型任务。按照手动方式，将高性能28GHz毫米波PA从45RFSOI迁移到22FDX，大约需要1-2个月完成前端设计/分析，之后还需要1个月完成布局。
格芯的22FDX平台还有一项显著的设计资源优势，即该平台支持AI驱动的EDA工具，可借助新思科技的ASO.ai™实现由AI驱动的设计迁移和优化，加速设计流程。
如下图所示，在此次新思科技和格芯的合作中，AI工具完成了自动原理图迁移、射频电路优化和自动化布局的整个流程，显著提升了射频工程师的设计效率。
图3：AI驱动的射频迁移工作流。
（图源：新思科技）
在原理图迁移环节，手动迁移需要工程师对PDK和技术数据库逐一进行映射和更新，工作十分繁琐。在自动原理图迁移过程中，AI工具将原参数映射到其最近的等效参数，然后触发CDF回调以更新最新的参数。自定义编译器中的设计重新定位功能用于将28GHz毫米波PA原理图和测试台从格芯的45RFSOI迁移到22FDX节点，以便在迁移后设计可以准备成网表并进行仿真。
在此过程中，新思科技的PrimeWave设计环境提供了一个由AI驱动的设计环境，用以提供测试台分析、网表，并能够使用单测试台（STB）和多测试台（MTB）设置运行各种模拟，以运行PrimeSim™ SPICE®RF模拟，然后使用波形查看器和结果分析工具分析布局前和布局后的电路结果。
此时，PrimeWave给出的设计特征与设计规范并不匹配，于是进入基于AI的射频电路优化环节。新思科技的ASO.ai™电路优化技术基于AI和ML技术，加速模拟和射频电路的设计优化流程。如下图所示，ASO.ai™可以帮助设计工程师进行以下操作：
-
在PrimeWave设计环境中设置测试台、设计目标和约束条件等；
-
使用PrimeWave的参数化工具，将设计中的关键参数定义为可变参数量；
-
通过ASO.ai™电路优化界面设置置换参数（优化参数）和目标指标；
-
通过ASO.ai™电路优化界面设置停止条件；
-
优化完成后，ASO.ai™提供详细的优化结果，包括最佳参数组合和对应的性能指标。
图4：ASO.ai™电路优化技术的优化流程。
（图源：新思科技）
在整个优化过程中，ASO.ai™电路优化技术自动优化了直流电路偏置点、功率增加效率（PAE）等关键参数，并提高了PA的稳定性，所有自动优化之后的参数都非常
接近
所需值。随后，使用PrimeWave运行PrimeSim™对PAE等指标进行大信号分析，然后使用PrimeSim™ SPICE®品质平衡分析来检查PA是否满足PAE关键规范，以及是否需要进一步优化以最大限度地提高PAE。结果显示，高性能28GHz毫米波PA在格芯的22FDX节点能够展现出接近或优于格芯45RFSOI节点的性能，不再需要进一步的优化。
图5：28GHz毫米波PA自动优化结果显示。
（图源：新思科技）
在此次AI驱动的自动迁移过程中，新思科技ASO.ai™展示了加速模拟/射频电路设计和迁移的强大能力。ASO.ai™包含一套丰富的由AI驱动的设计、实施和验证解决方案，包括统一的设计和验证工具Custom Design Family、电路模拟解决方案PrimeSim™、设计环境Custom Compiler™、物理验证高性能签发解决方案IC Validator™、寄生参数提取解决方案StarRC™和光学解决方案。
基于这一整套工具链，ASO.ai™可以帮助设计工程师实现自动工艺节点迁移、大规模设计优化、布局感知设计优化和对电路的智能分析，以最少的人力完成大规模的模拟/射频电路的升级迭代和产品上市。之所以能够做到这一点，是因为ASO.ai™工具组合汇集了模拟/射频设计工程师们数十年的工程经验和设计知识，采用突破性的强化学习优化技术，将这些宝贵的设计经验和设计直觉转化为由AI驱动的自动化设计方法，节省了大量繁琐的手动工作时间和成本。
