首页 > 其他分享 >AI功放设计

AI功放设计

时间:2024-11-09 10:15:01浏览次数:3  
标签:功放 pp AI Microwave Design 设计 IEEE

2024年10月23日,工信部宣布“我国将探索建立通感一体的低空经济网络设施,当前,我国主要信息通信企业及动力电池、电机等企业都积极布局参与到低空经济中来。”这里面有两个关键词,通感一体,低空经济。这一系列的技术的背后,庞大的数据流整理、蜂窝无人机决策、智能驾驶、优异的机器学习能力,均能看到人工智能(AI)的推动与发展。本文从功放这个邻域来看看AI发展的冰山一角,笔者仅为论文观点的搬运工,不对观点对错负责。

1. 人工智能(AI)是什么

人工智能,是“Artificial Intelligence”的缩写,简称AI。第一次和人工智能概念挂钩要追述到1950年艾伦·麦席森·图灵提出机器具备思维的可能性和“图灵测试”概念。正式提出“人工智能”概念的AI之父则是1956年达特茅斯会议上的约翰·麦卡锡博士。

AI不是一种技术性的概念,而是一种实现的效果,和实现方式无关。目标是完全自动化的实现原本只有人类才能完成的较为复杂的任务,理论上通过庞大的查找表来实现无人自动化也能称为AI。包括数据分析、建模预测、智能检索、集群决策、自动翻译、图像识别、语音聊天等。

AI根据其智能程度被人为的分为三大类:NAI,GAI和SAI。

—Narrow AI:弱人工智能,仅能完成特定任务,针对特定的输入完成输出。如智能家居中的语音助手、汽车中的辅助驾驶、功放领域的自动化设计等,事实上,目前科技下的AI都是这一范畴。

—General AI:通用人工智能,具备推理和学习的能力,掌握人类的所有现有的知识与架构,具有胜任所有人类目前工作的能力。随着Open AI发布了GPT路线,人类总算是触碰到了该阶段的入门券,机器拥有了一部分推理和学习的能力,但离达到该阶段还有很长的路。

—Super AI:超人工智能,超越人类的所有能力和智力,这是未来发展的前景,不是单一学科能达到的方向。到时候人类可能已经实现了机械飞升。

2. AI射频电路发展

尽管AI之父图灵将AI概念引入大众视野追溯到1950年,但AI与射频微波行业正式产生联系是在40年后的1993年左右,从此后到如今,AI射频行业发展呈现出蓬勃生机。在之前,当时射频仿真软件处于稀缺状态,该行业更接近于一种传承行业,有着很高的门槛,且随着实验的积累个人会越来越有经验,俗称“老师傅”。随着HFSS软件发布于1990年后,涌现出了使用AI来进行射频无源匹配网络设计的研究,如下图所示

该阶段主要是针对于射频无源部分的基础原理部分进行研究,1993-1995年间大部分在“路”层面的原理图部分使用AI完善其微带建模、自动化匹配等[1-3];而1996年-1999年则是在“场”层面的电磁仿真部分使用AI完善了微带、通孔、滤波器等的拟合建模与设计[4-7]。

2000年后,随着人们需求逐渐增加,射频也以各种方式进入平常百姓家,在此之后,AI射频电路大部分围绕着应用设计壮大,如下图所示

2000年-2011年之间,采用AI射频设计包括但不限于自动化设计贴片天线[8]、微波炉匹配网络[9]、芯片互联的电磁模型[10]、无反射通孔的建模与设计[11]、有源振荡器的优化设计[12]等等。

很快时间来到2015年,我们的主角AI功放设计也逐渐登上历史舞台。

3. AI功放发展现状

目前AI功放的发展主要是两条路线,建模与设计。建模是指针对晶体管本身的IV曲线、S参数、频率参数、负载牵引参数等建立模型,使得其能用在之后功放的设计中;设计则是指利用已有的晶体管模型,设计合适的功放架构和匹配网络参数达到设定的性能指标。

3.1 功放设计

从功放的角度原本应该先了解建模再介绍设计,但从AI功放发展历史角度来看,功放设计是最先进入大众视野的。第一次提出自动化功放概念的是东南大学的陈博士,其本职的方向是雷达与通信的信号处理与算法研究。在2015年-2016年前往美国哥伦比亚大学联合培养时,结合自己的算法专业和联培单位的功放专业进行了研究,撰写了两篇基于贝叶斯优化算法自动化设计宽带单管[13]和宽带Doherty功放的论文[14],文章主要是将优化算法和功放设计两个领域的前沿研究进行了巧妙的融合,达到自动化无人设计功放的功能。

2021年,电子科技大学的李博士在多年的功放研究中发现,不同功放架构存在统一的设计难点,即采用传统优化算法设计时会出现不收敛和陷入局部最优解的弊端,需要资深人员经验来弥补。针对自动化功放存在的难点,撰写了模拟退火粒子群算法自动化设计宽带、三带与[15]LMBA功放的论文[16],文章结合功放理论对功放设计的边界条件、惩罚函数等单独进行了研究与应用。

同年,青海大学的林博士在国际会议上发表了采用人工神经网络算法自动化设计F类功放的论文,使用8个隐藏神经元的多层感知器模型实现了微带长度和指标的非线性建模[17]。

AI功放研究真正爆发式增长是在2022年,那么这一年发生了什么重要的事情呢? 这要回溯到2017年,谷歌老大哥发表了一篇论文,提出了一种新的自然语言处理模型[18],叫做Transformer。看过我前篇文章的同学们应该记得,数字处理模块分为FPGA+CPU的架构,FPGA由于其并行架构处理速度相较于逐条执行的CPU大大增加,能够用于信号流的处理。Transformer一样,将循环顺序训练的方式改进到并行训练并引入自注意力机制,可以效率的完成序列到序列的学习。从此,只要GPU设备数量不滑坡,迭代速度能无止尽的增加。

再次将时间回溯到2015年,一家名为Open AI的公司成立,顾名思义,开源人工智能研究机构。2018年,基于谷歌发布的模型架构,发布了一个语言模型,Generative Pre-trained Transformer (GPT)。从此就开始了他的堆料之旅:

2018年,推出GPT-1,参数量1.5亿;

2019年,推出GPT-2,参数量15亿;

2020年,停止开源,购买了大量算力资源。推出GPT-3,参数量1750亿;

2022年,推出GPT-3.5与ChatGPT;

2023年,推出GPT-4。

ChatGPT的出现,第一次让大众重新认识了人工智能发展的可能性,他本身不是很深奥的东西,但却第一次出现了一丝真正的“智能”,第一次让人相信机器面对复杂信息不仅能整理,还能推理甚至学习。也正因如此,AI的研究又一次爆火,这期间也包含功放。

杭州科技大学团队分别基于多目标贝叶斯优化、聚类引导贝叶斯估计、双重贝叶斯算法、多目标粒子群算法、遗传算法分别设计了多倍频程宽带功放、非对称Doherty功放、Ku波段MMIC功放、直接版图优化功放、序列LMBA功放[19-26]。


美国普林斯顿大学团队创新性的提出了采用神经网络算法自动规划非规则性的匹配网络。第一次尝试打破原有微带和变压器理论,充分发挥算力资源达到人类很难实现的结构[27-29]。

葡萄牙阿威罗大学团队提出了基于神经网络自动化设计LMBA架构功放[30-31];瑞典斯德哥尔摩大学团队提出了基于神经网络预测宽带功放性能[32];英国格拉斯哥大学团队提出结合代理模型辅助的全局优化算法设计MMIC功放[33];江苏大学团队提出基于双态阻抗目标函数的宽带Doherty功放设计[34]。

3.2 功放建模

AI功放建模部分的研究相较于设计部分少很多。美国贝勒大学团队使用非常少的负载牵引测量数据,采用深度学习图像补完技术完善整个史密斯圆图的射频模型[35];杭州电子科大团队使用粒子群算法对功放的输出功率和效率模型进行预测[36];美国加州大学团队基于神经网络模型对HBT进行高频大信号进行建模,预测130-135GHz晶体管的性能[37];美国斯坦福大学团队基于IV曲线、S参数、非线性矢量网分数据,通过神经网络建立功放的非线性模型[38]。

4. AI功放未来发展

在之前的小节中,沿着时间的角度分别分享了AI的诞生、AI射频电路的发展与AI功放的发展,也阐述了GPT模型相对于传统AI的区别性。从AI功放过去的发展我们也能看出,该领域的发展还处于起步阶段,面对日益剧增的性能需求,功放的需求和架构还是需要有经验的工程师来负责,AI仅能作为辅助的工具帮工程师减轻重复劳动的疲惫和压缩时间。

笔者从事射频收发机电路与射频算法,在读书期间,一直觉得人工智能中的智能是一个“伪命题”,当时也诞生出很多段子,如人工智能的核心在于人工而不在于智能。核心是我认为所谓神经网络、深度学习本质上还是人为定义的函数,不可能存在底层架构设定之外的推理和学习能力。随着工作后,见证了ChatGPT的诞生,见识了其展现出的推理和学习能力,突然产生了新的想法,便是计算机在人类的学识框架下如果超过某个人类个体或群体,那无论有没有智能他都会对人类社会产生根本性的颠覆。

功放、AI的未来究竟能发展到什么样,没人能预测。但我相信,AI只有达到能够学习现有文献、公式、项目报告,通过推理创新出当前性能指标的更优架构和匹配网络,甚至在现有射频收发机架构下自主提出功放新的指标并进行实现,才是AI功放设计的终点吧。

www.amplustech.com

参考文献

[1] T. S. Horng, C. C. Wang and N. G. Alexopoulos, "Microstrip circuit design using neural networks", IEEE MTT-S Int. Microwave Symp. Dig., pp. 413-416, June 1993.

[2] M. Vai and S. Prasad, "Automatic impedance matching with a neural network," in IEEE Microwave and Guided Wave Letters, vol. 3, no. 10, pp. 353-354, Oct. 1993.

[3] A. H. Zaabab, Qi-Jun Zhang and M. Nakhla, "A neural network modeling approach to circuit optimization and statistical design," in IEEE Transactions on Microwave Theory and Techniques, vol. 43, no. 6, pp. 1349-1358, June 1995.

[4] P. M. Watson and K. C. Gupta, "EM-ANN models for microstrip vias and interconnects in dataset circuits," in IEEE Transactions on Microwave Theory and Techniques, vol. 44, no. 12, pp. 2495-2503, Dec. 1996.

[5] K. C. Gupta, "EM–ANN models for microwave and millimeter-wave components", IEEE MTT-S Int. Microwave Symp. Workshop, pp. 17-47, June 1997.

[6] P. Burrascano, M. Dionigi, C. Fancelli and M. Mongiardo, "A neural network model for CAD and optimization of microwave filters", IEEE MTT-S Int. Microwave Symp. Dig., pp. 13-16, June 1998.

[7] Q. J. Zhang and V. K. Devabhaktuni, "Neural network structures for EM/microwave modeling", IEEE AP-S Int. Symp. Dig., pp. 2576-2579, July 1999.

[8] R.K. Mishra, A. Patnaik, "Designing rectangular patch antenna using the neurospectral method", IEEE Transactions on Antennas and Propagation, vol.51, no.8, pp.1914-1921, 2003.

[9] V.C. Parro, F.M. Pait, "Design of an automatic impedance matching system for industrial continuous microwave ovens. Part I: modeling and off line tuning", Proceedings of the 2003 SBMO/IEEE MTT-S International Microwave and Optoelectronics Conference - IMOC 2003. (Cat. No.03TH8678), vol.2, pp.791-795 vol.2, 2003.

[10] R. J. Pratap, D. Staiculescu, S. Pinel, J. Laskar and G. S. May, "Modeling and sensitivity analysis of circuit parameters for flip-chip interconnects using neural networks", IEEE Trans. Adv. Packag., vol. 28, no. 1, pp. 71-78, Feb. 2005.

[11] K. -T. Hsu, W. -D. Guo, G. -H. Shiue, C. -M. Lin, T. -W. Huang and R. -B. Wu, "Design of Reflectionless Vias Using Neural Network-Based Approach," in IEEE Transactions on Advanced Packaging, vol. 31, no. 1, pp. 211-218, Feb. 2008.

[12] Amir Hossein Vaziri, Davud Asemani, "Optimum design of microwave oscillator using Hopfield Neural Network", 2011 IEEE EUROCON - International Conference on Computer as a Tool, pp.1-4, 2011.

[13] P. Chen, B. M. Merrick and T. J. Brazil, "Bayesian Optimization for Broadband High-Efficiency Power Amplifier Designs," in IEEE Transactions on Microwave Theory and Techniques, vol. 63, no. 12, pp. 4263-4272, Dec. 2015.

[14] P. Chen, J. Xia, B. M. Merrick and T. J. Brazil, "Multiobjective Bayesian Optimization for Active Load Modulation in a Broadband 20-W GaN Doherty Power Amplifier Design," in IEEE Transactions on Microwave Theory and Techniques, vol. 65, no. 3, pp. 860-871, March 2017.

[15] C. Li et al., "Simulated Annealing Particle Swarm Optimization for High-Efficiency Power Amplifier Design," in IEEE Transactions on Microwave Theory and Techniques, vol. 69, no. 5, pp. 2494-2505, May 2021.

[16] H. Liu, C. Li, S. He, W. Shi, Y. Chen and W. Shi, "Simulated Annealing Particle Swarm Optimization for a Dual-Input Broadband GaN Doherty Like Load-Modulated Balance Amplifier Design," in IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 69, no. 9, pp. 3734-3738, Sept. 2022.

[17] Q. Lin, H. -F. Wu, L. -S. Liu, L. -N. Jia and X. -Z. Wang, "Optimization Design of RF Power Amplifier Based on ANN," 2021 International Conference on Microwave and Millimeter Wave Technology (ICMMT), Nanjing, China, 2021.

[18] Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30. 31st Conference on Neural Information Processing Systems. CA, USA: Long Beach.

[19] J. Guo, G. Crupi and J. Cai, "A Broadband Asymmetric Doherty Power Amplifier Design Based on Multiobjective Bayesian Optimization: Theoretical and Experimental Validation," in IEEE Access, vol. 10, pp. 89823-89834, 2022.

[20] J. Guo, G. Crupi and J. Cai, "A Novel Design Methodology for a Multioctave GaN-HEMT Power Amplifier Using Clustering Guided Bayesian Optimization," in IEEE Access, vol. 10, pp. 52771-52781, 2022.

[21] Z. Hao, J. Guo and J. Cai, "Broadband PA Design with A Twice Optimization Method Using Bayesian Algorithm," 2022 International Conference on Microwave and Millimeter Wave Technology (ICMMT), Harbin, China, 2022.

[22] Z. Hao, J. Guo and J. Cai, "Design of a Ku-Band Single Stage MMIC PA Based on Cluster Guided Bayesian Optimization," 2022 IEEE MTT-S International Microwave Workshop Series on Advanced Materials and Processes for RF and THz Applications (IMWS-AMP), Guangzhou, China, 2022.

[23] Y. Qu, G. Crupi and J. Cai, "A Broadband PA Design Based on Bayesian Optimization Augmented by Dynamic Feasible Region Shrinkage," in IEEE Microwave and Wireless Components Letters, vol. 32, no. 10, pp. 1139-1142, Oct. 2022.

[24] B. Sun et al., "A Wide-band Power Amplifier based on Genetic Algorithm and Direct Layout Optimization," 2022 IEEE MTT-S International Microwave Workshop Series on Advanced Materials and Processes for RF and THz Applications (IMWS-AMP), Guangzhou, China, 2022.

[25] J. Cai, J. Guo and Y. Qu, "An Overview of the Optimization of RF Power Amplifiers using a Bayesian Algorithm : (Invited)," 2023 19th International Conference on Synthesis, Modeling, Analysis and Simulation Methods and Applications to Circuit Design (SMACD), Funchal, Portugal, 2023.

[26] Z. Fan, J. Huang and J. Cai, "Design of Sequential Load Modulation Balance Amplifier Using Multiobjective Particle Swarm Algorithm," in IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, vol. 43, no. 8, pp. 2440-2451, Aug. 2024.

[27] Z. Liu, E. A. Karahan and K. Sengupta, "Deep Learning-Enabled Inverse Design of 30–94 GHz Psat, 3dB SiGe PA Supporting Concurrent Multiband Operation at Multi-Gb/s," in IEEE Microwave and Wireless Components Letters, vol. 32, no. 6, pp. 724-727, June 2022.

[28] E. A. Karahan, Z. Liu and K. Sengupta, "Deep-Learning-Based Inverse-Designed Millimeter-Wave Passives and Power Amplifiers," in IEEE Journal of Solid-State Circuits, vol. 58, no. 11, pp. 3074-3088, Nov. 2023.

[29] E. A. Karahan, Z. Liu and K. Sengupta, "IMS Deep Learning Enabled Generalized Synthesis of Multi-Port Electromagnetic Structures and Circuits for mmWave Power Amplifiers," 2024 IEEE/MTT-S International Microwave Symposium - IMS 2024, Washington, DC, USA, 2024.

[30] C. Belchior, L. C. Nunes, P. M. Cabral and J. C. Pedro, "Broadband SLMBA Design Including 90° Hybrid Frequency Response Using an Automatic Methodology," in IEEE Access, vol. 11, pp. 69916-69927, 2023.

[31] C. Belchior, L. C. Nunes, P. M. Cabral and J. C. Pedro, "Towards the Automated RF Power Amplifier Design," 2023 19th International Conference on Synthesis, Modeling, Analysis and Simulation Methods and Applications to Circuit Design (SMACD), Funchal, Portugal, 2023.

[32] L. Kouhalvandi, S. Ozoguz and S. D. Guerrieri, "Performance Prediction of Power Amplifiers for the Extended Bandwidth via Neural Networks," 2023 31st Signal Processing and Communications Applications Conference (SIU), Istanbul, Turkiye, 2023.

[33] L. Xue, H. Fan, Y. Ding and B. Liu, "A Design Methodology of MMIC Power Amplifiers Using AI-driven Design Techniques," 2023 19th International Conference on Synthesis, Modeling, Analysis and Simulation Methods and Applications to Circuit Design (SMACD), Funchal, Portugal, 2023.

[34] W. Kong et al., "Optimization Design of Broadband Doherty PA Using Fragment-Type Matching Network Based on Dual-State Impedance Objective Function," in IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 71, no. 4, pp. 1809-1813, April 2024.

[35] A. Egbert, C. Baylis and R. J. Marks, "Extrapolation of Load-Pull Data: A Novel Use of GAN Artificial Intelligence Image Completion," in IEEE Transactions on Microwave Theory and Techniques, vol. 70, no. 11, pp. 4849-4856, Nov. 2022.

[36] B. Liu, J. Guo, X. Tang, G. Crupi and J. Cai, "Threshold Optimized CSWPL Behavioral Model for RF Power Transistors Based on Particle Swarm Algorithm," in IEEE Microwave and Wireless Technology Letters, vol. 33, no. 5, pp. 531-534, May 2023.

[37] A. Arias-Purdue, P. V. Rowell, S. Ahmed, S. I. Veetil, M. E. Urteaga and J. F. Buckwalter, "Artificial Neural Networks for Power Match Modeling and Verification With a Novel D-Band Vector Load—Pull Bench," in IEEE Transactions on Microwave Theory and Techniques, vol. 72, no. 6, pp. 3300-3310, June 2024.

[38] R. Perez Martinez et al., "Assessment and Comparison of Measurement-Based Large-Signal FET Models for GaN HEMTs," in IEEE Transactions on Microwave Theory and Techniques, vol. 72, no. 5, pp. 2692-2703, May 2024.

标签:功放,pp,AI,Microwave,Design,设计,IEEE
From: https://blog.csdn.net/qq_25428313/article/details/143640380

相关文章

  • 【人脸伪造检测】Spatial-Phase Shallow Learning: Rethinking Face Forgery Detectio
    一、研究动机[!note]创新点:利用相位谱实现伪造检测,并且证明了卷积模型可以提取隐性特征。由于上采样是伪造模型的关键步骤,这篇论文通过相位信息检测上采样的伪影。对比之前的频率模型:F3-Net:通过离散余弦变换后的统计特征实现伪造检测二、检测模型可学习的知识点......
  • 2024-2025-1 20241423 《计算机基础与程序设计》第七周学习总结
    作业信息这个作业属于哪个课程<班级的链接>(如2024-2025-1-计算机基础与程序设计)这个作业要求在哪里2024-2025-1计算机基础与程序设计第七周作业这个作业的目标数组与链表、基于数组和基于链表实现数据结构、无序表与有序表、树、图、子程序与参数作业正文本博......
  • Air780E软件指南:C语言内存数组(zbuff)
    一、ZBUFF(C内存数组)简介zbuff库可以用c风格直接操作(下标从0开始),例如buff[0]=buff[3]可以在sram上或者psram上申请空间,也可以自动申请(如存在psram则在psram进行申请,如不存在或失败则在sram进行申请)。操作里面的元素时,可以根据光标进行增删改查。偏移方式有三种:从头......
  • 【JAVA毕业设计】基于Vue和SpringBoot的技术交流分享平台
    博主说明:本文项目编号T053,文末自助获取源码\color{red}{T053,文末自助获......
  • 【JAVA毕业设计】基于Vue和SpringBoot的服装销售平台
    博主说明:本文项目编号T054,文末自助获取源码\color{red}{T054,文末自助获......
  • 【软考】系统架构设计师-2015年下半年下午论文真题及答案
    全国计算机技术与软件专业技术资格(水平)考试高级系统架构设计师2015年下半年下午试卷 论文试题一 论应用服务器基础软件应用服务器是在当今基于互联网的企业级应用迅速发展,电子商务应用出现并快速膨胀的需求下产生的一种新技术。在分布式、多层结构及基于组件和......
  • 【软考】系统架构设计师-2016年下半年上午综合知识真题及答案
    全国计算机技术与软件专业技术资格(水平)考试高级系统架构设计师2016年下半年上午试卷 综合知识试题一 在嵌入式系统的存储部件中,存取速度最快的是( )。A.内存  B.寄存器组  C.Flash  D. Cache试题二 实时操作系统(RTOS)内核与应用程序之间的接口称......
  • Air780E软件指南:UDP应用示例
    一、UDP概述UDP(用户数据报协议,UserDatagramProtocol)是一种无连接的、不可靠的传输层协议,主要用于实现网络中的快速通讯。以下是UDP通讯的主要特点:1.1无连接通讯:UDP在发送数据之前不需要建立连接,这大大减少了通讯的延迟。发送方只需将数据包封装成UDP报文,并附上目的地址......
  • Air780E软件指南:zlib解压示例
    一、ZLIB解压工具简介Zlib解压工具是一个广泛使用的压缩和解压缩库,主要用于处理数据的压缩和解压缩任务。Zlib使用的是DEFLATE算法,这是一种通用的压缩算法。它被应用在很多场景中,比如压缩文件、网络传输中的数据压缩、以及各种应用程序中的数据存储和读取。Zlib的代码库相......
  • java计算机毕业设计大学生防疫信息管理系统(开题+程序+论文)
    本系统(程序+源码)带文档lw万字以上 文末可获取一份本项目的java源码和数据库参考。系统程序文件列表开题报告内容一、研究背景随着新冠疫情在全球范围内的爆发,防疫工作成为各国社会各界的重要任务。大学生作为社会的活跃群体,人员聚集性强且流动性较大,在疫情防控工作中具有......