56Gbps I/O接口的电源完整性考量

物联网数据中心已在串行器/解串器(SerDes)和Interlaken协议中探索56Gbps及以上速率的传输;然而,物联网数据中心提供商通常不会公开其软硬件技术——因为它们属于集成器件制造商(IDM),需自主处理硬件相关的所有问题,因此我们难以从其获取相关信息。一般电路设计工程师在使用理想电源时,能使电路实现良好运行,但无法掌握该频段下的实际工作特性。

因此,有必要通过独立方法获取此类高速I/O接口的性能相关信息。通常,在超高速信号传输中,整个I/O接口的协同设计是最为关键的问题。需考虑的参数包括:驱动管导通电阻(驱动能力)、所有连接路径的特征阻抗、带端接条件的频率相关负载、接收灵敏度,以及在1/4波长(56Gbps下芯片布线中为1.34mm)范围内不影响输入的电源电荷响应能力。接下来将对实现40Gbps以上高速I/O接口的最优协同设计优化进行充分探索和分析。

I/O设计理念

A. 芯片片上仿真

对于40Gbps以上速率,芯片驱动电路、芯片布线、键合焊盘、封装布线、连接Bump、印刷电路板(PCB)布线的协同设计,以及与另一芯片接收端的反向设计(甚至包括电源/地(P/G)处理),是一项关键问题。目前,信号布线部分可通过测量获取S参数,并可导入SPICE电路中。然而,难点在于实现电源和地的特征——需覆盖直流至100GHz频段。用于电源完整性(PI)考量的电流阻抗参数,本质上难以准确表征直流、低频及5GHz以上频段的特性;电源和地布线的S参数在测量中与直流特性并不一致。下面重点关注电源问题,即采用集总(如环路)和分布式(如平行板)模型进行P/G布线考量。同时,SPICE仿真器对驱动电路和接收电路的仿真结果具有可靠性。

B. 仿真用I/O电路

仿真的目的是明确56Gbps下特定I/O电路去耦电容的最优位置和容量。首先,在芯片区域无任何电容的情况下进行原理分析。P/G布线对收发器的信号完整性(SI)特性至关重要。

图1. I/O电路整体及仿真区域

图1为典型的I/O电路,包含聚焦于P/G连接的封装部分。封装(PKG)处设有直流电源,通过特定电容连接至封装上的P/G布线。其中一个P/G端口通过Bump-封装-Bump连接与芯片收发器(信号驱动电路)相连。在封装上该位置前方,安装了部分电容以维持良好的电源完整性(PI)。发射器沿40mm长差分传输线产生信号,信号能量通过封装布线传输至Bump连接,最终到达接收端。传输线末端的接收芯片前设有端接电阻。信号传输线基于实际设计模型数据实现。

在图1中,选择的仿真区域(图1中正方形框选部分及图2)位于封装电容至端接电阻之间。P/G布线长度设置为1mm(含芯片),相当于1/4波长(1.34mm)。通常,1mm长的导体线公认具有1nH的电感,该电感值对于56Gbps传输而言极大,会引发VDD和地电压波动,因此通过电路仿真验证该波动情况。

图2. 驱动电路至Bump焊盘的距离

采用两种方式表征1mm长的线路:一种是带有寄生1nH电感的环路电路模型,另一种是由分布式电感-电阻-电容(LRC)构成的双平行板模型,如图3所示。与平行板结构相比,环路结构的特征阻抗相对较低,为10Ohm。

图3. 芯片布线上P/G板的分布式LRC模型

接收端前添加了FR-4差分传输线。研究的两种仿真模型,对应的电路模型如图4和图5所示,图中标注了测试点——发射器电源电压(VDD)、发射器信号及32Ohm端接的接收端信号。每种电源(VDD)在芯片布线P/G板的分布式LRC模型前均包含10nF电容、10nH电感和2Ohm电阻。

图4. 平行板电源线

图5. 环路电源线

C. CMOS反相器模型特性

表2展示了各晶体管模型的CMOS反相器电路仿真结果特性,包括栅极电压(Vdd、Vss)、时延(TD)、阈值电压(Vth)和寄生电容(Cp)。CMOS反相器电路的仿真条件设置如下:测量直流特性阈值电压(Vth)时,温度条件设定为25摄氏度;测量寄生电容(Cp)和时延(TD)时,温度设定为25摄氏度,频率设定为28GHz;在测量上升时间、下降时间和时延时,由于第一个波形输出端存在大量寄生电容,因此测量第二个波形的输出结果。

表2 各CMOS反相器模型特性

仿真结果与讨论

A. 接收端波形仿真结果

上面未阐述驱动端波形,但驱动端波形存在1nS的时延;时延过后,发送由线性反馈移位寄存器(LFSR)产生的随机脉冲(PRBS32),并持续连接至晶体管10nS,随后停止。PRBS32的上升时间和下降时间设定为4.46pS,总周期为17.86pS,抽头设置为[32, 28, 19, 18, 16, 14, 11, 10, 9, 6, 5, 1]。图6至图8为接收端波形转换后的眼图,以示波器模式叠加显示。

图6. TSMC 65nm平行板眼图

图7. PTM 32nm平行板眼图

图8. PTM Fin 20nm平行板、环路眼图

B. 平行板测量仿真结果

各晶体管模型的平行板测量结果显示:TSMC 65nm的眼高为545.46mV、眼宽为15.30pS、偏移为3.28pS;PTM 32nm的眼高为517.17mV、眼宽为14.39pS、偏移为2.91pS;PTM Fin 20nm的眼高为565.25mV、眼宽为15.18pS、偏移为3.13pS。电源地阻抗、芯片布线平行板、驱动电路、接收电路及传输线均对此产生一定影响。

C. 环路测量仿真结果

另一方面,各晶体管模型的环路测量结果显示:TSMC 65nm的眼高为516.47mV、眼宽为14.70pS、偏移为3.52pS;PTM 32nm的眼高为502.21mV、眼宽为15.22pS、偏移为3.28pS;PTM Fin 20nm的眼高为523.82mV、眼宽为14.90pS、偏移为3.67pS。因此,与平行板相比,环路的眼图眼高和眼宽减小,偏移增大;而环路的P/G板仅包含1nH电感和1Ohm电阻。

图9. TSMC 65nm环路眼图

图10. PTM 32nm环路眼图

图11. PTM Fin 20nm环路眼图

D. 电源电压波动仿真结果

对于图12至图14中描述的各晶体管模型的环路和平行板VDD,环路的VDD波形因1nH电感产生的电压降而变形,电压降计算公式如下:

所有环路模型的传输波形波动均超过15%,VDD在每次开关时都会发生剧烈且大幅的波动;因此,金属-氧化物-半导体场效应晶体管的栅氧化层会因过压而击穿,导致驱动端和接收端波形幅度降低,这是由VDD电压降引起的。

另一方面,平行电源线模型的传输波形波动小于10%,与环路模型相比波动极小。因此,平行板结构可防止MOSFET栅氧化层因电源电压问题击穿(该问题并非由VDD降低导致);同时,电压处于标准范围内,不会出现电压异常,也不会导致驱动端和接收端电压幅度降低。

图12. TSMC 65nm平行板与环路的VDD对比

图13. PTM 32nm平行板与环路的VDD对比

图14. PTM Fin 20nm平行板与环路的VDD对比

表3展示了三种晶体管模型在两种电源布线方式下的电压波动,平行板模型与环路模型的差异显著。前者可实际应用于量产,而后者绝不应应用于量产。环路设计模型是低频至较高Gbps频段的常用模型,但仅适用于1mm长度;显然,1mm长度的环路模型无法适用于56Gbps等超高频场景。

表3. 三种晶体管的电压波动

结论

通常采用环路结构布线进行Vdd/Vss设计,即使1mm长度的环路布线也会产生电感。从仿真结果可知,对于40Gbps以上频段,Vdd/Vss布线必须采用平行结构。

Vdd/Vss设计应采用多驱动/接收系统,仅仿真了单驱动电路系统,其信号完整性(SI)仿真结果具有相似特征;但平行结构与环路结构的电源电压波动差异显著。在多驱动系统中,这种差异会导致较大的转换速率——电压波动会在2mm(往返)距离内以17.8pS的时延传递至其他驱动电路,从而严重影响其他驱动电路的工作。三种器件模型在56Gbps下的信号完整性(SI)特征基本相似,但平行板模型的电源电压波动存在细微差异(32nm模型最优),这可能是由于负载电容更小;该差异对多驱动模型也有较大影响。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1168025.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

双云协同,赋能未来

当华为云的海量算力与尖端算法,邂逅华为终端云服务的亿级全场景入口,一场颠覆性的智能体验变革已然降临。这不仅是技术层面的深度融合,更是生态体系的同频共振,为您解锁前所未有的智慧未来新可能。“一朵云”筑基,驱动…

DeepSeek 发布全新论文,一文读懂 Engram!

在大模型的发展历程中,一个长期困扰研究者效率的难题是:模型往往需要消耗昂贵的计算资源去重建那些本可以通过简单查询获得的静态知识。近日,DeepSeek 团队发布重磅论文 Conditional Memory via Scalable Lookup: A New Axis of Sparsity for…

牛批了,免费抠图神器,内置几个大模型

今天给大家推荐一款非常厉害的基于人工智能抠图的软件,功能非常强大,而且免费,有需要的小伙伴可以下载收藏。 Aiarty Image Matting 免费的AI抠图软件 这款AI抠图软件十分强,基于先进的阿尔法抠图技术,可以精准自然的…

YOLOv11+多尺度卷积注意力(MSCA):小目标检测精度飙升20%的实战教程

文章目录 【毕设级项目】YOLOv11+多尺度卷积注意力(MSCA):小目标检测精度飙升20%的实战教程 一、项目核心:什么是MSCA注意力? 二、环境准备:5分钟配置依赖 三、步骤1:编写MSCA注意力模块(MSCA.py) 四、步骤2:注册MSCA模块(修改tasks.py) 五、步骤3:编写YOLOv11+MS…

发票识别神器,值得收藏

今天给大家带来的是一款非常好用的发票PDF文件识别软件,可以合并pdf文档,识别最新的全电票和旧版电子发票,有需要的小伙伴可以下载收藏。 InvCom 发票PDF文件识别工具 这款软件是绿色版,下载后点击蓝色的图标就能打开直接使用了。…

YOLOv11 结合多尺度卷积注意力机制(MSCA):高效提升小目标检测性能实战指南

文章目录 【毕设级项目】YOLOv11+多尺度卷积注意力(MSCA):小目标检测性能飙升实战教程 引读:为什么选这个项目? 一、核心原理:多尺度卷积注意力(MSCA)是什么? 二、环境准备:5分钟搭好开发环境 1. 基础依赖安装 三、模块植入:3步把MSCA加到YOLOv11里 步骤1:编写MSCA…

TCP/IP协议栈深度解析:网络通信基石、优化与安全实践

引言:数字社会的基石在数字时代,每一次点击、每一次数据传输、每一次在线交互的背后,都有一套精密的通信机制在默默工作。这套机制的核心就是TCP/IP协议栈——一个由多层协议构成的复杂系统,它不仅是互联网的"通用语言"…

1688接入API

1688 API 是阿里巴巴旗下 B2B 批发平台的官方开放接口,基于 RESTful 架构与签名认证,以 JSON 格式提供商品、订单、供应链等全链路数据,核心价值是合规高效赋能采购选品、订单履约、库存协同与分销运营,适配批发 / 零售 / 跨境 / …

基于多尺度空洞注意力(MSDA)的YOLOv11改进与视觉识别优化

文章目录 毕设实战:基于多尺度空洞注意力(MSDA)的YOLOv11改进与视觉识别优化 一、技术背景与方案优势 二、环境搭建与依赖准备 2.1 虚拟环境配置 2.2 数据集准备 三、MSDA模块的代码实现 3.1 多尺度空洞注意力(MSDA)核心代码 3.2 嵌入MSDA到YOLOv11的Backbone 四、模型训练…

漫谈人机协同中的人机功能分配

在人机协同的分工逻辑中,“人杂机复”与“人道机术”是两种互补且有深度的视角,分别从任务属性和职能定位两个维度,揭示了人类与机器在协同中的核心优势与边界。两者结合,为人机协同的高效实现提供了完整的理论框架。一、基于任务…

内存去哪儿了?一个让大多数 Gopher 都无法清晰回答的问题

大家好,我是Tony Bai。“我的服务内存又在缓慢增长了,pprof 显示不出明显的泄漏点……内存到底去哪儿了?”这句午夜梦回的拷问,或许是许多 Go 开发者心中最深的恐惧。这一切的根源,可能始于一个你自以为早已掌握的基础…

【分布式系统】05 时间的幻象 —— Lamport 与 Vector Clock 如何重建分布式因果?

大家好,我是Tony Bai。欢迎来到《分布式系统:原理、哲学与实战》微专栏的第五讲。在过去的几讲中,我们已经深入了两种截然不同的复制哲学。无论是主从架构的“权威中心”,还是无主架构的“民主联邦”,我们都反复遇到了…

面向工业场景的高效目标检测系统:基于BiFPN与注意力机制的YOLOv11架构优化研究

文章目录 **面向工业场景的高效目标检测系统:基于BiFPN与注意力机制的YOLOv11架构优化与实现** **第一章:核心技术架构——双向特征金字塔与注意力协同** **第二章:项目环境配置与数据预处理** **第三章:改进模块完整实现** **第四章:完整网络架构配置** **第五章:优化训…

学霸同款8个AI论文软件,自考学生搞定毕业论文!

学霸同款8个AI论文软件,自考学生搞定毕业论文! 论文写作的“学霸同款”工具,你值得拥有 在自考学习的过程中,毕业论文往往成为许多学生最头疼的环节。无论是选题困难、资料查找繁琐,还是撰写过程中逻辑不清、语言表达…

我就改了这 3 个 iOS 26.2 设置——结果现在谁再让我回到“以前”,我真的回不去

iPhone 的系统更新大多时候像什么?像你家楼下便利店换了新海报:你路过会看一眼,但很难因此改变人生。 可这次不一样。我把手机升到 iOS 26.2 之后,随手动了 3 个小设置——注意,是“小设置”,不是那种要重装…

美国战争部AI加速战略的核心就是人机环境系统智能

美国战争部近期启动的AI加速战略,表面上是推动军事AI技术的快速部署与领先,但其深层逻辑可归结为以“人机环境系统智能”为核心,通过重构人(军事人员)、机(AI技术)、环境(任务场景&a…

YOLOv11+多尺度扩张注意力机制(MSDA):突破性实现40%长距离特征提取性能提升

文章目录 【毕设级项目】YOLOv11+多尺度扩张注意力(MSDA):长距离特征捕获能力提升40%的实战教程 一、项目核心:什么是MSDA注意力? 二、环境准备:5分钟配置依赖 三、步骤1:编写MSDA注意力模块(dilateformer.py) 四、步骤2:注册MSDA模块(修改tasks.py) 五、步骤3:编…

DataGen Connector本地造数神器(不用 Kafka 也能把 Pipeline 跑起来)

1、它到底做了什么 Source 并行运行&#xff1a;有多少个 source 并发子任务&#xff0c;就把 Long 的序列切成多少段&#xff08;sub-sequence&#xff09;你提供一个 GeneratorFunction<Long, OUT>&#xff1a;把输入的 index&#xff08;Long&#xff09;映射成任意事…

“棋圣”聂卫平去世 享年74岁

九派新闻01-15 07:58:06记者从中国围棋协会获悉&#xff0c;中国围棋协会名誉主席、“棋圣”聂卫平九段昨晚在北京病逝&#xff0c;享年74岁。聂卫平是上世纪中国围棋振兴的关键人物&#xff0c;在八十年代的中日围棋擂台赛中&#xff0c;他作为主将力挽狂澜&#xff0c;连胜多…

Tailwind CSS 4.1:终于把“文字阴影”端上来了——更狠的是,它把配置文件也“踢”出去了

Tailwind CSS 4.1 这次更新&#xff0c;表面看是补齐了一堆大家喊了很多年的视觉工具&#xff08;比如文字阴影、遮罩、彩色投影&#xff09;&#xff0c;但真正动静更大的&#xff0c;其实是它悄悄改变了“你怎么配置 Tailwind”这件事。它把 Tailwind 又往前推了一步&#xf…