Diseño de amplificadores operacionales CMOS usando redes neuronales

Ferro Durán, Silvana; Muñoz Cufiño, Sergio Andrés

Diseño de amplificadores operacionales CMOS usando redes neuronales

dc.contributor.advisor	Chaparro Moreno, Sergio Andrés
dc.contributor.author	Ferro Durán, Silvana
dc.contributor.author	Muñoz Cufiño, Sergio Andrés
dc.date.accessioned	2025-06-07T17:43:24Z
dc.date.available	2025-06-07T17:43:24Z
dc.date.issued	2024-11
dc.description.abstract	El diseño de circuitos integrados analógicos, como los amplificadores operacionales, requiere significativamente más tiempo y esfuerzo que el diseño de circuitos digitales debido a su complejidad y a la falta de automatización en su proceso de desarrollo. Esto crea la necesidad de estrategias que simplifiquen y optimicen el diseño de amplificadores, facilitando la selección de múltiples parámetros interdependientes. En este trabajo se propone un enfoque para el diseño de amplificadores operacionales CMOS mediante redes neuronales, aplicándolo a dos topologías específicas: el amplificador operacional cascodo telescópico y el amplificador operacional cascodo doblado. Enmarcado en el área de la microelectrónica, el proyecto culmina con el layout de uno de los diseños generados por la red neuronal para el amplificador cascodo telescópico. Durante el desarrollo, se emplearon tres conjuntos de datos para entrenar la red neuronal, permitiendo comparar el rendimiento al utilizar parámetros de desempeño tanto lineales como logarítmicos. Los resultados muestran que los parámetros lineales ofrecen mejores resultados en términos de menor error, en comparación con los logarítmicos, para métricas como el CMRR, el PSRR y la ganancia.
dc.description.abstractenglish	The design of analog integrated circuits, such as operational amplifiers, demands significantly more time and effort than digital circuit design due to its complexity and the lack of automation in the development process. This creates a need for strategies that simplify and optimize amplifier design, facilitating the selection of multiple interdependent parameters. This project proposes an approach to designing CMOS operational amplifiers using neural networks, applied to two specific topologies: the telescopic cascodo operational amplifier and the folded cascodo operational amplifier. Framed within the field of microelectronics, the project culminates with the layout of one of the designs generated by the neural network for the telescopic cascodo amplifier. During the development, three datasets were used to train the neural network, allowing for performance comparisons between using linear and logarithmic performance parameters. The results show that linear parameters provide better outcomes in terms of lower error compared to logarithmic parameters, for metrics such as CMRR, PSRR, and gain
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero Electrónico	spa
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Universidad El Bosque	spa
dc.identifier.reponame	reponame:Repositorio Institucional Universidad El Bosque	spa
dc.identifier.repourl	repourl:https://repositorio.unbosque.edu.co
dc.identifier.uri	https://hdl.handle.net/20.500.12495/14588
dc.language.iso	es
dc.publisher.faculty	Facultad de Ingeniería	spa
dc.publisher.grantor	Universidad El Bosque	spa
dc.publisher.program	Ingeniería Electrónica	spa
dc.relation.references	[1] D. Lee, G. Park, J. Han, y M.-S. Choo, “An Automated Design Methodology for Ring Voltage-Controlled Oscillators in Nanometer CMOS Technologies”, IEEE Access, vol. PP, p. 1, ago. 2022, doi: 10.1109/ACCESS.2022.3232960.
dc.relation.references	[2] D. J. D. and H. N. C. G. and M. R. M. F. and L. N. C. C. Rosa João P. S. and Guerra,“Introduction”, en Using Artificial Neural Networks for Analog Integrated Circuit Design Automation, Cham: Springer International Publishing, 2020, pp. 1–8. doi: 10.1007/978-3-030-35743-6_1.
dc.relation.references	[3] R. P. DÍez, A. G. Gómez, y N. de Abajo MartÍnez, Introducción a la inteligencia artificial: sistemas expertos, redes neuronales artificiales y computación evolutiva. Universidad de oviedo, 2001.
dc.relation.references	[4] M. E. Yanık, İ. Çiçek, y E. Afacan, “ShortCircuit: An Open-Source ChatGPT Driven Digital Integrated Circuit Front-End Design Automation Tool”, en 2023 30th IEEE International Conference on Electronics, Circuits and Systems (ICECS), 2023, pp. 1– 4. doi: 10.1109/ICECS58634.2023.10382808.
dc.relation.references	[5] Sedra, Microelectronic Circuits 7th Edition. Oxford University Press, USA, 2014.
dc.relation.references	[6] D. J. Cabrera y J. A. OLIVEROS, “Aplicación de la Programación Geométrica en el Diseno de Amplificadores Operacionales Integrados en Tecnologa CMOS”, Trabalho de formatura da Universidad Industrial de Santander:[sn], 2006.
dc.relation.references	[7] N. Lourenço, R. Martins, y N. Horta, Automatic Analog IC Sizing and Optimization Constrained with PVT Corners and Layout Effects. Cham: Springer International Publishing, 2017. doi: 10.1007/978-3-319-42037-0.
dc.relation.references	[8] B. Razavi, Design of Analog CMOS Integrated Circuits. 2016.
dc.relation.references	[9] V. Terragni, C. Watson, N. Rowe, y N. Giacaman, “Fostering Professionalism in Software Engineering: An Early-Exposure Approach”, IEEE Softw, vol. 40, núm. 6, pp. 47–54, nov. 2023, doi: 10.1109/MS.2023.3291711.
dc.relation.references	[10] S. S. Haykin, Neural Networks and Learning Machines. Pearson Education, 2009.
dc.relation.references	[11] I. Goodfellow, Y. Bengio, y A. Courville, Deep Learning. Cambridge, MA, USA: MIT Press, 2016.
dc.relation.references	[12] D. P. Kingma y J. Ba, “Adam: A Method for Stochastic Optimization”, 2017. [En línea]. Disponible en: https://arxiv.org/abs/1412.6980
dc.relation.references	[13] V. Nair y G. E. Hinton, “Rectified linear units improve restricted Boltzmann machines”, International Conference on Machine Learning, pp. 807–814, ago. 2010, [En línea]. Disponible en: https://icml.cc/Conferences/2010/papers/432.pdf
dc.relation.references	[14] D. Misra, “Mish: A Self Regularized Non-Monotonic Activation Function”, 2020. [En línea]. Disponible en: https://arxiv.org/abs/1908.08681
dc.relation.references	[15] A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2a ed. Sebastopol, CA, USA: O’Reilly Media, Inc., 2019.
dc.relation.references	[16] B. Razavi, Fundamentals of microelectronics. 2006. [En línea]. Disponible en: http://ci.nii.ac.jp/ncid/BA90308765
dc.relation.references	[17] J. Zhou y J. Liu, “On the measurement of common-mode rejection ratio”, IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 52, núm. 1, pp. 49–53, 2005, doi: 10.1109/TCSII.2004.838332.
dc.relation.references	[18] J. Ke y X. Liu, “Empirical Analysis of Optimal Hidden Neurons in Neural Network Modeling for Stock Prediction”, en 2008 IEEE Pacific-Asia Workshop on Computational Intelligence and Industrial Application, IEEE, dic. 2008, pp. 828–832. doi: 10.1109/PACIIA.2008.363.
dc.rights	Attribution-NonCommercial-ShareAlike 4.0 International	en
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	https://purl.org/coar/access_right/c_abf2
dc.rights.local	Acceso abierto	spa
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject	Amplificador operacional
dc.subject	Redes neuronales
dc.subject	Cascodo telescópico
dc.subject	Cascodo doblado
dc.subject	Parámetros de desempeño
dc.subject.ddc	621.381
dc.subject.keywords	Operational amplifier
dc.subject.keywords	Neural networks
dc.subject.keywords	Telescopic cascode
dc.subject.keywords	Folded cascode
dc.subject.keywords	Performance parameters
dc.title	Diseño de amplificadores operacionales CMOS usando redes neuronales
dc.title.translated	CMOS operational amplifier design using neural networks
dc.type.coar	https://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	https://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driver	info:eu-repo/semantics/bachelorThesis
dc.type.hasversion	info:eu-repo/semantics/acceptedVersion
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado	spa