بخشی از مقاله
چکیده
کاهش تأخیر انتشار و توان مصرفی، دو هدف عمده در طراحی مدارات دیجیتال هستند که به ابعاد ترانزیستورها - W,L - بستگی داشته و در طراحی مدارات VLSI مهم میباشند. در این مقاله با استفاده از الگوریتم ژنتیک یک روش طراحی جهت محاسبهی ابعاد ترانزیستورها در مدارات مجتمع دیجیتال CMOS ارائهشده است.
برای این منظور با کمک نرمافزار MATLAB الگوریتم محاسباتی ژنتیک پیادهسازی شده و پس از استخراج عناصر پارازیتی از این نرمافزار، بهمنظور بررسی اعتبار نتایج محاسبات تئوری حاصل از اجرای این الگوریتم در طراحی مدارات مجتمع دیجیتال در منطق CMOS، شبیهسازیهای مداری از نرمافزار HSPICE در تکنولوژی CMOS 0. 18 μm صورت گرفتهشده است. نتایج حاصل از شبیهسازیها با محاسبات تئوریک بهدستآمده از نرمافزار HSPICE مقایسه شده و بهبود دقت عملکرد %75 تا %80 الگوریتم پیشنهادی را نسبت به طراحی دستی پارامترها را تصدیق مینماید.
-1 مقدمه
در سال های اخیر رویکردهای نوینی جهت افزایش سرعت مدارات و کم نمودن توان مصرفی ارائهشده است [2]؛ یکی از راههایی که برای رسیدن به این مهم میتواند صورت گیرد افزایش نسبت ابعاد ترانزیستورها - W/L - هست
در [4] چندین تکنیک برای بهبود دقت برنامهنویسی هندسی - GP - بر مبنای بهینهسازی طراحی مدارت آنالوگ ارائه داده است که در آن ابتدا یک مدل بهبودیافته برای تولید مدلهای مدار آنالوگ سازگار بانام - PWL - را معرفی میکند سپس در رابطه فرموله شده اصلاحاتی را برای خطی سازی نواحی غیر محدب انجام میدهد. در [5] یک الگوریتم ژنتیک ترکیبی با جهش رو به بالا برای افزایش نرخ جهش اجزای مدار بهمنظور پوشش نواقص GA سنتی در طراحی مدارات آنالوگ اتوماتیک و استراتژی نخبهگرا برای حفظ راهحلهای خوب و راهنمایی جستجو برای رسیدن به فضای راهحل بیشتر را ارائه میدهد.
در [6] یک روش برای بهینهسازی طراحی مدارات آنالوگ با استفاده از تکنیکهای محاسباتی را ارائه داده است. به منظور مدل کردن مدارات غیرخطی چندمتغیرهی پیچیده در این مقاله در یک حالت انعطافپذیر از سیستمهای عصبی فازی استفاده شده است. الگوریتم پیشنهادی در بهینهسازی طراحی تقویتکننده CMOS موردبررسی قرارگرفته و علاوه بر کاهش تعداد تکرارها 94 - به , - 63 قادر است همواره به یک راهحل بهینه بدون در نظر گرفتن نقطه شروع اولیه برسد.
در این مقاله سعی می شود تا مقادیر بهینه در طراحی اتوماتیک ابعاد ترانزیستورها با استفاده از الگوریتم ژنتیک بهعنوان یک ابزار بهینهسازی را فراهم نموده و در بین پارامترهای اصلی طراحی و مقادیر مناسب با توان کم و سرعتبالا تعادل ایجاد نماید. بهکارگیری الگوریتم ژنتیک با یک جمعیت تصادفی اولیه از نمونهها آغاز می شود. سپس عوامل مختلفی چون انتخاب، ترکیب و جهش در آن ارزیابی و بهروزرسانی شده و جمعیت جدید در مسیری که به راهحلهای مطلوب تری از تابع هدف برسد، تولید میشود. در این مقاله ابعاد ترانزیستورها - W/L - بهعنوان متغیرهای طراحی در نظر گرفتهشده که با مقادیر اولیهای که بهصورت تصادفی معرفیشدهاند، مقداردهی میشوند. بهمنظور ارزیابی عملکرد الگوریتم پیشنهادی، تأخیر انتشار بهعنوان تابع برازش معرفی گردیده شده است.
-2 طراحی الگوریتم پیشنهادی
-2-1 روند اجرایی الگوریتم ژنتیک
الگوریتم ژنتیک - GA1 - روش جستجوی احتمالی فراگیر، در علم رایانه برای یافتن راه حلبرتر نه الزاماً بهینه جستجو هست که از فرآیندهای تکامل بیولوژیکی طبیعی در علم زیستشناسی مثل وراثت2، جهش3، انتخاب ناگهانی، انتخاب طبیعی و ترکیب4 تقلید میکند. باگذشت زمان ساختار ژنتیکی موجودات تغییر کرده و نسلهای جدیدتر با محیط سازگاری بیشتری دارند. بدین طریق که امکان زنده ماندن و تولیدمثل موجودات قویتر بیشتر از موجودات ضعیفتر است. در نسلهای جدیدتر ساختار ژنتیکی موجودات قویتر تکرار میشود و موجودات ضعیف از بین میروند
الگوریتم ژنتیک - GA - یکی از الگوریتمهای تکاملی شناختهشده بهینهسازی است که از طبیعت الهام گرفته و فرآیندهای آن بر اساس تکامل زیستی انجام میشود GA .[12]مکرراً جمعیتی از راهحلهای منفرد مسئله را تغییر میدهد که از این تغییرات تحت عنوان تکامل یاد میشود. در هر گام از این تکامل، دو عضو از جمعیت را به طور تصادفی بهعنوان والدین انتخاب کرده و فرزند آنها رتبه عنوان نسل بعدی در نظر میگیرد. بهاینترتیب جمعیت به سمت یک راه حل بهینه تکامل مییابد .[9] الگوریتمهای ژنتیک دارای روند تکراری هستند و در هر تکرار با یکراه حل یا چندین راهحل مختلف کار میکند. در شکل زیر فلوچارتی که اصول کار GA را بهسادگی نشان میدهد مشاهده میشود:
شکل 1؛: 1 اصول کار GA
GAجستجو را با جمعیتی از راهحلهای اولیه تصادفی آغاز میکند. اگر معیارهای نهایی فراهم نشوند، سه عملگر متفاوت mutation,crossover,selection به کار گرفته میشوند تا جمعیت بهروز شود. هر تکرار از این سه عملگر بهعنوان یک نسل شناخته میشود. گام اول، گروهی از نقاط جستجو را که جمعیت5 نامیده میشوند، بر اساس تابع هدفی ارزیابی میکند. در گام دوم، بر اساس وضعیت ارزیابیشده، برخی از نقاط بهعنوان کاندیدهای حل مسئله انتخاب میشوند. در گام سوم نیز عملگرهای ژنتیک6 روی این کاندیدها اعمال میشوند تا جمعیت نسل بعدی ساخته شوند. این فرآیند تا زمانی که معیارهای نهایی به دست آید، تکرار میشود. معیار نهایی زمانی است که یا نتیجهای در حد قابلقبول به دست آید یا تعداد ماکزیمم نسل تکرار شود.
-2-2 روابط تأخیر انتشار
زمان گذر سوئیچ برای محاسبهی نرخ داده - bitrate - استفاده میشود و علاوه بر آن در زمانبندی سیستم هم اهمیت دارد. زمان سوئیچینگ با دو مشخصه در مدار تعیین میگردد، سطح جریان ترانزیستورهای موجود و خازنهای پارازیتی که هر دو آنها با پارامترهای طراحی تراشه تنظیمشده و به نسبت ابعاد ترانزیستورها، توپولوژی مدار و مسیریابی منطقی حساس هست .[10] زمان ,TPHL مدتزمانی که خازن خروجی - Cload - در طول ,TPLH مدتزمانی که خازن خروجی - Cload - در طول کانال ترانزیستور Mn لازم دارد تا از طریق زمین دشارژ شود تعریف میگردد. زمان ترانزیستور Mp لازم دارد تا توسط اتصال به منبع تغذیه شارژ شود تعریف میگردد .
مدار تمام جمع کننده - Fulladder - استاتیک تکبیتی بهعنوان یک مدار مجتمع دیجیتال هست. شکل - 3 - مدار یک تمام جمع کننده استاتیک تکبیتی را نمایش میدهد:
شکل3 مدار تمام جمع کننده - Fulladder - استاتیک تکبیتی
جدول : - 1 - اطلاعات تکنولوژی CMOS 0.18 μm
