В.И. Степанов1, А.А. Метель2, А.С. Сальников3, Д.В. Билевич4, И.М. Добуш5, А.А. Калентьев6, А.Е. Горяинов7

1-7 ТУСУР (г. Томск, Россия)

1 vladislav.stepanov@50ohm.tech[ВС1] ; 2 aleksandr.metel@50ohm.tech; 3 andrei.salnikov@main.tusur.ru; 4 dmitrii.v.bilevich@tusur.ru; 5 igor.dobush@main.tusur.ru; 6 aleksei.a.kalentev@tusur.ru; 7 aleksandr.goryainov@50ohm.tech

Постановка проблемы. Электромагнитное (ЭМ) моделирование - один из основных этапов проектирования сверхвысокочастотных (СВЧ) монолитных интегральных схем, представляющий собой вычислительно затратный процесс. Так, структурный и параметрический синтез таких устройств как антенны, катушки индуктивности и трансформаторы может характеризоваться высокими временными затратами, делающими синтез неэффективным. Для сокращения длительности расчетов можно использовать компактные модели устройств, однако при большом числе элементов эквивалентной схемы аналитический расчет и экстракция параметров модели усложняются. Кроме того, в зависимости от технологии изготовления устройства необходимо использовать различные компактные модели. Суррогатные модели, которые в отличие от компактных могут быть построены для любых устройств, не зависят от технологии их изготовления, что обуславливает их универсальность. Следовательно, использование суррогатной модели - наиболее перспективное решение проблемы длительности ЭМ-моделирования, а разработка методики построения суррогатной модели является актуальной задачей.

Цель. Провести исследование условий и методов построения суррогатной модели интегрального симметрирующего
трансформатора (СТ), предложить методику построения таких моделей и на ее основе выполнить синтез СТ по заданным требованиям.

Результаты. Рассмотрены различные подходы к построению суррогатной модели. Предложена универсальная методика построения суррогатной модели, базирующаяся на отображении пространства и интерполяции Кригинга. Используя разработанную суррогатную модель, выполнен синтез интегрального СТ на основе коммерческого 0,25 мкм GaAs pHEMT технологического процесса.

Практическая значимость. Представленная методика позволяет создавать суррогатные модели различных СВЧ-устройств, требующих длительного ЭМ-моделирования. Построенная по данной методике суррогатная модель может быть использована для проведения параметрического синтеза.

Степанов В.И., Метель А.А., Сальников А.С., Билевич Д.В., Добуш И.М., Калентьев А.А., Горяинов А.Е. Исследование зависимости точности суррогатной модели интегрального симметрирующего трансформатора  от условий и методов ее построения // Радиотехника. 2023. Т. 87. № 10. С. 107−121. DOI: https://doi.org/10.18127/j00338486-202310-12

1. Бузова М.А., Красильников А.Д., Пестовский К.И. Методика проектирования антенных систем для быстроразвертываемых комплексов ДКМВ-диапазона // Радиотехника. 2023. V. 87. № 6. С. 92−99. DOI: https://doi.org/10.18127/j00338486-202306-12.
2. Nastos N., Papananos Y. Integrated inductors over MOSFETs - experimental results of a three dimensional integrated structure // Proceedings of the 2003 International Symposium on Circuits and Systems. 2003. V. 1. P. 57–60.
3. Meng C., Teng Y., Lin Y., Jhong J., Yen I. Characteristics of Integrated RF Transformers on GaAs Substrate // 2007 Asia-Pacific Microwave Conference. 2007. P. 1–4.
4. Yu C., Grove, R.A., Xuejue H., Zamdmer N. D., Plouchart J., Wachnik R.A., King T.J., Chenming H. Frequency-independent equivalent-circuit model for on-chip spiral inductors // IEEE J. Solid-State Circuits. 2003. V. 38. № 3. P. 419–426.
5. Watson A., Francis, P., Kyuwoon H., Weisshaar A. Wide-band distributed modeling of spiral inductors in RFICs // IEEE MTT-S International Microwave Symposium Digest. 2003. V. 2. P. 1011–1014.
6. Bandler J.W., Biernacki R.M., Shao H.C., Hemmers R.H., Madsen K. Electromagnetic optimization exploiting aggressive space mapping // IEEE Trans. Microw. Theory Tech. 1995. V. 43. № 12. P. 2874–2882.
7. Kurgan P. Efficient Surrogate Modeling and Design Optimization of Compact Integrated On-Chip Inductors Based on Multi-Fidelity EM Simulation Models // Micromachines. 2021. V. 12. № 11. P. 1341.
8. Rayas-Sanchez J.E., Koziel S., Bandler J.W. Advanced RF and Microwave Design Optimization: A Journey and a Vision of Future Trends // IEEE J. Microwaves. 2021. V. 1. № 1. P. 481–493.
9. Passos F., Gonzalez-Echevarría R., Roca E., Castro-López R., Fernandez F.V. A two-step surrogate modeling strategy for single-objective and multi-objective optimization of radiofrequency circuits // Soft Comput. 2019. V. 23. № 13. P. 4911–4925.
10. Passos F., Kotti, M., Gonzalez-Echevarria R., Fino M.H., Fakhfakh M., Roca E., Castro-Lopez R., Fernandez F.V. Physical vs. surrogate models of passive RF devices // 2015 IEEE International Symposium on Circuits and Systems (ISCAS). 2015. P. 117–120.
11. Bandler J.W., Biernacki R.M., Shao H.C., Grobelny P.A., Hemmers R.H. Space mapping technique for electromagnetic optimization // IEEE Trans. Microw. Theory Tech. 1994. V. 42. № 12. P. 2536–2544.
12. Rayas-Sánchez J.E. Power in simplicity with ASM // IEEE Microw. Mag. 2016. V. 17. № 4. P. 64–76.
13. Passos F., Roca E., Castro-Lopez R., Fernández F.V. An inductor modeling and optimization toolbox for RF circuit design // Integration. 2017. V. 58. P. 463–472.
14. Meng J., Xia L. Support Vector Regression Model for Millimeter Wave Transitions // Int. J. Infrared Millimeter Waves. 2007. V. 28. № 5. P. 413–421.
15. Koziel S., Bandler J.W. Accurate modeling of microwave devices using kriging-corrected space mapping surrogates // Int. J. Numer. Model. Electron. Networks, Devices Fields. 2012. V. 25. № 1. P. 1–14.
16. Bakr M.H., Bandler J.W., Georgieva N., Madsen K. A hybrid aggressive space-mapping algorithm for EM optimization // IEEE Trans. Microw. Theory Tech. 1999. V. 47. № 12. P. 2440–2449.
17. Bakr M.H., Bandler J.W., Ismail M.A., Rayas-Sanchez J.E., Zhang Q. Neural space-mapping optimization for EM-based design // IEEE Trans. Microw. Theory Tech. 2000. V. 48. № 12. P. 2307–2315.
18. Bandler J.W., Cheng Q.S., Nikolova N.K., Ismail M.A. Implicit Space Mapping Optimization Exploiting Preassigned Parameters // IEEE Trans. Microw. Theory Tech. 2004. V. 52. № 1. P. 378–385.
19. Bandler J.W., Ismail M.A., Rayas-Sánchez J.E., Zhang Q. Neural inverse space mapping (NISM) optimization for EM-based microwave design // Int. J. RF Microw. Comput. Eng. 2003. V. 13. № 2. P. 136–147.
20. Koziel S., Bandler J.W., Madsen K. A space-mapping framework for engineering optimization. Theory and implementation // IEEE Trans. Microw. Theory Tech. 2006. V. 54. № 10. P. 3721–3730.
21. Rayas-Sanchez J.E., Vargas-Chavez N. A linear regression inverse space mapping algorithm for EM-based design optimization of microwave circuits // 2011 IEEE MTT-S International Microwave Symposium. 2011. V. 1. № 1. P. 1–4.
22. Koziel S., Echeverra C.D. Reliable simulation-driven design optimization of microwave structures using manifold mapping // Prog. Electromagn. Res. B. 2010. V. 26. P. 361–382.
23. Encica L., Paulides J.J.H., Lomonova E.A., Vandenput A.J.A. Aggressive Output Space-Mapping Optimization for Electromagnetic Actuators // IEEE Trans. Magn. 2008. V. 44. № 6. P. 1106–1109.
24. Bakr M.H., Bandler J.W., Madsen K., Rayas-Sanchez J.E., Sondergaard J. Space-mapping optimization of microwave circuits exploiting surrogate models // IEEE Trans. Microw. Theory Tech. 2000. V. 48. № 12. P. 2297–2306.
25. Couckuyt I., Koziel S., Dhaene T. Kriging, co-kriging and space mapping for microwave circuit modeling // Eur. Microw. Week 2011 "Wave to Futur. EuMW 2011, Conf. Proc. 41st Eur. Microw. Conf. EuMC. 2011. P. 444–447.
26. Koziel S., Bandler J.W. Space-mapping-based modeling utilizing parameter extraction with variable weight coefficients and a data base // 2006 IEEE MTT-S International Microwave Symposium Digest. 2006. № 2. P. 1763–1766.
27. Miraftab V., Mansour R.R. EM-based microwave circuit design using fuzzy logic techniques // IEE Proc. Microwaves, Antennas Propag. 2006. V. 153. № 6. P. 495.
28. Simpson T.W., Poplinski J.D., Koch P.N., Allen J.K. Metamodels for computer-based engineering design: Survey and recommendations // Eng. Comput. 2001. V. 17. № 2. P. 129–150.
29. Bramerdorfer G., Zavoianu A.C. Surrogate-based multi-objective optimization of electrical machine designs facilitating tolerance analysis // IEEE Trans. Magn. 2017. V. 53. № 8. P. 1–11.
30. Bouhlel M.A., Hwang J. T., Bartoli N., Lafage R., Morlier J., Martins J.R.R.A. A Python surrogate modeling framework with derivatives // Adv. Eng. Softw. Elsevier. 2019. V. 135. P. 1–13.
31. Pietrenko‐Dabrowska A., Koziel S. Surrogate modeling of impedance matching transformers by means of variable-fidelity electromagnetic simulations and nested cokriging // International Journal of RF and Microwave Computer-Aided Engineering. 2020. V. 30. № 8. P. 1–10.
32. Forrester A.I.J., Sóbester A., Keane A.J. Engineering design via surrogate modelling. UK: John Wiley & Sons Ltd. 2008. 210 p.
33. Сычёв А.Н., Шестаков В.А. Оптимальный синтез интегральных СВЧ-устройств на основе замещающего моделирования. Обзор // Доклады ТУСУР. 2010. V. 2, № 22. С. 81–85.
34. Koziel S., Bandler J.W., Madsen K. Space mapping with adaptive response correction for microwave design optimization // IEEE Transactions on Microwave Theory and Techniques. 2009. V. 57. № 2. P. 478-486.