HyperLynx Design Space Exploration

优化挑战

仿真使设计人员能够在将原型发布到制造阶段之前使用 digital twin 分析、调试和优化电子设计。通过降低实验室测试期间出现可能需要重新调整主板的问题的可能性，从而使主板更坚固、更可靠、更具成本效益。

仿真还允许用户探索设计的替代版本，以提高可靠性、速度或利润，或降低总体制造成本。当使用仿真作为优化工具时，所执行分析的复杂性通常会分阶段增加：

Select...

最初，用户逐一修改设计并重新模拟变更。这对于简单的研究非常有效，对于新的仿真用户来说也很容易理解。当只有一个或两个设计参数（变量）需要研究，并且用户可以根据先前的结果轻松确定用于下一次研究的参数值时，此方法最有效。

通过尽可能少的仿真来高效探索大型设计空间是一项艰巨的任务，需要结合先进的分析技术。这需要一种平衡两个相互冲突的要求的方法：

将注意力集中在任何有希望的结果上，以快速找到其最佳值。 当最初对设计空间进行采样时，选取的值很少能得出最佳值。取而代之的是，它们生成梯度，经过处理后可在响应曲面上找到最佳位置（通常是局部最大值/最小值）。要想获得局部（但不是全局）的最佳结果，需要进行额外的仿真实验，而这些实验最终无助于找到全局最优值。
确保对整个设计空间进行充分采样。 以一个鸡蛋盒为例，其峰值和谷值都略有不同。有许多不同的局部最小值和最大值，但每个局部最小值和最大值只有一个全局值。初次采样后很容易找到局部梯度和局部峰值/谷值，但要确保找到全球值却非常困难。这个整个必须对空间进行足够的采样，以便在过程结束时找到了全局最大值/最小值。

平衡这两种不同的要求是一项艰巨的任务，需要先进的技术来评估每种响应，因为可以评估响应曲面的数值顺序并确定下一个要运行的实验。对于大多数优化器来说，这需要对正在解决的问题和搜索算法本身有相当的了解，以 “调整” 算法的控制参数。

使用 HL-DSE，SHERPA 算法会在分析运行时评估响应并自动调整算法。随着分析的进行，HL-DSE 会生成响应图，显示从每个模拟实验中获得的值。

在此图中，HL-DSE 有两个绩效数字和相关目标：

蓝线显示了提高蓝色指标值的实验历史。在总共82,500种可能的输入值排列中，给出了100次模拟作为分析的预算。

在 25 次模拟中，SHERPA 能够快速找到每个指标接近最佳的值。

响应曲面方法

由于所研究问题的复杂性，高级优化技术只能对总设计空间的一小部分进行采样。能够快速有效地可视化分析结果是执行诸如通过优化之类的过程的关键部分。

HyperLynx Design Space Exploration 提供各种各样的输出绘图功能，让您可以深入了解设计的行为。其中包括三维绘图，可以显示通孔间隔和反焊盘直径如何影响回波损耗。

在此示例中，要最大化回波损耗以提高信号完整性。这包括对每次仿真的结果进行后处理，将遇到的最大值报告为响应指标，然后找到最小化该响应的输入变量条件。

HL-DSE 与 HyperLynx Advanced Solvers 3D Explorer 和 HyperLynx Signal Integrity 预布局串行链路一致性流程集成在一起，两者都已经能够通过扫描参数分析进行设计优化。

当仿真案例的数量变得站不住脚时，使用 HL-DSE 进行自动优化。用户已经定义的设计变量和范围将传送给 HL-DSE，用户可以根据需要查看和调整这些变量和范围。

分析目标

从仿真输出（响应）的角度来看，HL-DSE 与 3D Explorer 和布局前合规性分析紧密集成。用户已经定义的输出指标将传递给 HL-DSE，用户可以在其中添加通过/失败要求和优化目标。

在某些应用中，仅进行仿真实验并找到最佳配置是不够的，因为目标是了解设计在数百万个案例中的表现如何。例如，一旦对设计进行了优化，用户可能想要预测超过数百万个单位的制造产量。在这种情况下，变量是设计的参数，但它们的范围变成了人们期望由于制造公差而看到的值的分布。

进行数百万次仿真实验显然是不切实际的，因此创建了一个拟合的数学模型或替代模型，该模型与参数范围内的设计输入/输出行为非常匹配。然后，可以使用该替代模型代替实际的仿真实验，以预测设计在许多条件下的行为，从而预测制造良率。