Experimental studies and a double gate JFET model for analog integrated circuits

One of directions of improving parameters of analog integrated circuits is a development of new and modernization of existing designs of integrated elements without significantly changing of a technological route of integrated circuit manufacturing with a simultaneous creation of new integrated elements models. The article considers the results of experimental studies of the double gate junction field-effect transistor manufactured according to the 3CBiT technological route of JSC Integral. Based on the obtained results, the electrical model of double gate junction field-effect transistor is proposed, which describes the features of its application in analog integrated circuits. Comparison of I-V characteristics of measurements results and created model simulation are presented. A small capacity and a reverse current of a double gate junction field-effect transistor top gate, an ability to compensate for the DC (direct current) component of an input current provide a significant improvement in the characteristics of analog integrated circuits such as electrometric operational amplifiers and charge-sensitive amplifiers. The developed double gate junction field-effect transistor can be used in signal readout devices required in the analog interfaces of space instrument sensors and nuclear electronics.

USING MACHINE LEARNING TO CALIBRATE ANALOG MICROCIRCUITS

Предложен один из методов машинного обучения, который можно применить для разработки нейросети, предсказывающей габариты элементов аналоговых интегральных схем на примере двух усилителей, при этом учитываются их предполагаемые целевые характеристики. Эта научная работа показывает, что должным образом обученная нейросеть способна изучить шаблоны проектирования и генерировать схемы калибровки, которые являются адекватными и подходят под требования спецификаций, в том числе и тех, которые не содержались в обучающих данных. Представлены три варианта организации нейросети, по результатам анализа которых был сделан вывод о том, что нейросети показали себя, как очень гибкие модели, способные выполнять расчет топологии аналоговых интегральных схем. Предложенная в работе методика продемонстрировала достаточную эффективность в преодолении высокой нелинейности задач расчета топологии и может использоваться конструкторами на практике. Применение такого подхода позволяет существенно сократить время проектирования (в отдельных задачах в 6 и более раз) и предоставить более широкий инструментарий средств автоматизации проектирования аналоговых интегральных схем We propose one of the machine learning methods that can be used to develop a neural network that predicts the dimensions of the elements of an analog integrated circuit using the example of two amplifiers, while taking into account their intended target characteristics. This scientific work shows that a properly trained neural network is able to learn design patterns and generate calibration schemes that are adequate and suitable for the requirements of the specifications, including those that were not contained in the training data. We present three options for organizing a neural network, based on the analysis of which it was concluded that neural networks showed themselves to be very flexible models capable of calculating the topology of analog integrated circuits. The method proposed in this work showed itself to be quite effective in overcoming the high nonlinearity of topology calculation problems and can be used by designers in practice. The use of this approach allows one to significantly reduce the design time (in individual tasks by 6 or more times) and provide a wider toolkit for the design automation of analog integrated circuits