In this paper, we first propose a deep reinforcement learning based optimal decoupling capacitor design method. Based on the deep reinforcement learning, design automation is implemented with only the structure of the power distribution network and the capacitance per unit cell. The proposed method aims to suppress the simultaneous switching noise of 2.5-D / 3-D ICs, and is the first design method that considers the multiple level power distribution networks of 2.5-D / 3-D IC simultaneously. In order to verify the proposed methodology, the results of applying the proposed method to the test hierarchical power distribution network and the results of the conventional simulation methods are compared. In addition, the proposed method is applied to high bandwidth memory for optimal decoupling capacitor design, and the suppression of power distribution network impedance and simultaneous switching noise are simulated and analyzed.
본 논문에서는 처음으로 심층 강화 학습 기반의 최적 디커플링 캐패시터 설계 방법론을 제안하였다. 심층 강화 학습을 기반으로 전력 분배망의 구조와 단위 유닛 셀당 캐패시턴스 값만으로 설계 자동화를 구현하였다. 제안된 방법론은 2.5차원/3차원 집적회로의 동시 스위칭 잡음 감소에 그 목적을 두고 있으며, 처음으로 2.5차원/3차원 집적회로의 다중 레벨 전력 분배망을 동시에 고려한 설계 방법론이다. 제안된 방법론을 검증하기 위하여, 테스트 계층적 전력분배망에 제안 방법론을 적용한 결과와 기존의 시뮬레이션 방법론을 통한 결과를 비교 검증하였다. 또한, 제안된 방법론을 고 대역폭 메모리에 적용하여 최적 디커플링 캐패시터 설계를 하였으며, 시뮬레이션을 통해 전력분배망 임피던스와 동시 스위칭 잡음 감소 결과 분석하였다.