AI modeliranje mikrofonskega predojačevalnika na osnovi čipa EMD4DXV6T1

SPICE
Čeprav orodje SPICE za modeliranje in posnemanje delovanja električnih vezij izvira že iz sedemdesetih let preteklega stoletja, so njegove posodobljene različice še danes atraktivne in nadvse uporabne tudi pri načrtovanju elektronike za domačo rabo. Tokrat smo se odločili za uporabo izpeljanke Ltspice podjetja Analog Devices, ki je popularna ne le zaradi že vgrajenih knjižnic električnih elementov in komponent (predvsem čipov), ampak tudi zato, ker omogoča definicijo novih komponent in ustvarjanje lastnih knjižnic. Tako še zdaleč ni nujno, da pri delu uporabimo zgolj komponente Analog Devices. Obenem so na voljo LTspice različice za vse glavne operacijske sisteme, med katerimi sta tudi Windows 11 in Mac OS.

Za Windows 11 je na voljo tudi različica za arhitekture ARM64, zaradi česar lahko orodje poganjamo tudi v vseh SBC z dovolj pomnilnika (4 GB ali več), na katere lahko namestimo ta operacijski sistem. Sam sem LTspice poganjal na Orange Pi 6 s 8 GB RAM in Raspberry Pi 5 z 16 GB RAM; pri čemer je na slednjem Windows 11 tekel na virtualnem računalniku pod Raspberry Pi OS. LTspice sicer za udobno delo ne zahteva velikih procesorskih zmogljivosti, le odzivno 2D grafično okolje.

Kako AI pomaga?
AI uporabljamo kot orodje za optimizacijo nelinearnih parametrov, generiranje simulacijskih modelov in avtomatizacijo analiz v programu LTspice. V prvem koraku pripravimo natančen besedni opis naloge, ki jo mora za nas opraviti AI, denimo: »Izdelaj kakovosten mikrofonski ojačevalnik z 10-kratnim napetostnim ojačenjem na osnovi čipa EMD4VXD6 proizvajalca Onsemi. Potrebujem simulacijski model za orodje LTspice, v katerem bo ojačevalnik prehodno preizkušen. Potrebujem tudi shemo ojačevalnika z vsemi komponentami.«

Ne glede na trenutne pomanjkljivosti AI, ki v večini primerov vsaj v prvem koraku na osnovi tekstovnega opisa še ne ponudi uporabne rešitve, ta lahko za nas opravi večino dela. Če z rezultatom nismo zadovolji, lahko AI to opišemo s pomočjo slikovnih, tekstovnih ali drugih zapisov, ki jih lahko v pogovorno okno pripnemo tudi v obliki datoteke. Če hočemo, na primer AI povedati, da izdelano vezje sicer deluje, vendar ne zagotavlja zahtevanega ojačenja, lahko posnamemo sliko zaslona, ki katere sta razvidna poteka vhodnega in izhodnega signala in jo pripnemo v pogovorno okno, v katerega še zapišemo: »Ojačevalnik je zagotavlja zahtevanega napetostnega ojačenja, ki bi moralo biti 10x«. Nato počakamo na popravek modela. Po nekaj iteracijah bodo tako prišli do ustrezne rešitve tudi tisti z manj elektrotehničnega znanja.

Arhitektura in posebnosti čipa EMD4DXV6T1 v analogni domeni
Preden v načrtovanje vključimo UI, moramo natančno razumeti fizikalne omejitve komponente. EMD4DXV6T1 vsebuje en NPN tranzistor z vgrajenim zaporednim baznim uporom (R1) in bazno-emitorskim uporom (R2) ter en PNP tranzistor z enako konfiguracijo uporov. Tipične vrednosti integriranih uporov znašajo, formula 1:

R1=2.2kΩ,R2=47kΩ

Izziv pri predojačevalniku: Ker so upori fiksni in zaprti znotraj ohišja, klasičnih metod nastavljanja prednapetosti (biasa) preko zunanjih delilnikov napetosti ne moremo uporabiti neposredno na bazi tranzistorja. Zunanji elementi morajo delovati skozi vgrajeni upor R1. To močno vpliva na vhodno impedanco vezja, ki bo zaradi nizke vrednosti R1 razmeroma majhna, kar pa je za nekatere nizkoimpedančne dinamične mikrofone (npr. 150 Ω – 600 Ω) pravzaprav ugodno.

Vloga umetne inteligence pri modeliranju in optimizaciji
Generiranje SPICE modelov na osnovi podatkovnega lista (Datasheet)
Onsemi včasih ne zagotavlja uradnih, podrobnih analognih SPICE modelov za digitalne preklopne tranzistorje. UI lahko uporabimo za povratno inženirstvo SPICE parametrov (.MODEL). Veliki jezikovni modeli (LLM) ali specializirani Python skripti lahko iz statičnih grafov podatkovnega lista izračunajo ključne tranzistorske parametre, kot so napetost zgodnjega učinka (VAF), tok nasičenja (IS), idealni koeficient emisije (NF) in tranzitni čas (TF).

Optimizacija komponent z genetskimi algoritmi
Določanje zunanjih komponent (sklopni kondenzatorji, povratna vezava, delilniki napetosti za delovno točko) je idealna naloga za optimizacijske algoritme, vodene s strani UI. Preko Python vmesnika (PySpice) lahko UI spreminja vrednosti zunanjih elementov, zaganja LTspice v ozadju in minimizira namensko funkcijo (Cost Function), ki je definirana kot, formula 2:

Cost=w1•THD+w2•V Av-40dB V +w3•Noise

Implementacija in simulacija v programu LTspice
Za napajalno napetost 5 V je potrebno delovno točko (bias) znotraj čipa EMD4DXV6T1 nastaviti izjemno natančno. Ker imamo na voljo razmeroma nizek napajalni nivo, moramo maksimirati dinamični razpon, da preprečimo prezgodnje popačenje (rezanje) signalnih vrhov. Pri 5 V napajanju je cilj UI-optimizacije nastaviti enosmerno (DC) napetost na kolektorju prvega tranzistorja na približno 2.2 V – 2.5 V. To omogoča simetričen hod izhodnega signala.

Poglejmo optimiziran spisek vozlišč za orodje LTspice, ki ga je izdelal Googlov Gemini 3:

• Mikrofonski Predojačevalnik z EMD4DXV6T1 (5V Napajanje)
• — NAPAJANJE IN VHODNI SIGNAL —
  Vcc Vcc 0 DC 5
  Vin In_Signal 0 SINE(0 2m 1k) AC 1
• — VHODNA SKLOPNA VEZAVA —
  C1 In_Signal B_EXT 10u
• — MODEL TRANZISTORJA (EMD4DXV6T1 – NPN del) —
  R1 B_EXT B_INT 2.2k
  R2 B_INT 0 47k
  Q1 Coll B_INT 0 Q_NPN_OPTIMIZED

.MODEL Q_NPN_OPTIMIZED NPN(Is=10f Xti=3
Eg=1.11 Vaf=90 Bf=350 Ikf=15m Cjc=4p Cje=5p
Rb=10 RC=0.5)

• — ELEMENTI ZA NASTAVITEV DELOVNE TOČKE IN OJAČANJA —
  Rc Vcc Coll 2.7k
  Rf Coll B_EXT 120k
  Cf Coll B_EXT 15p
• — IZHODNI DEL —
  C2 Coll Out 4.7u
  R_load Out 0 10k
• — SIMULACIJSKI UKAZI —
  .tran 0 5m 0 1u
  ;.ac dec 20 10 100k
  ;.noise V(Out) Vin dec 20 10 20k
• — ANALIZA POPAČENJA (THD) pri 1 kHz —
  .four 1k V(Out)
  .end

Simulacijo v LTspice lahko izvedemo, spisek shranimo v datoteko tipa *.cir. Dodajmo še, da smo poleg vgrajenih upornosti uporabili tudi zunanje upore in kondenzatorje, ki so opredeljeni kot elementi za nastavitev delovne točke. Vezje smo testirali z zunanjim bremenom 10 k Ohmov, kar je običajno izhodna upornost avdio predojačevalnikov.

Od Geminija lahko zahtevamo tudi izdelavo električne sheme z grafično predstavitvijo, za kar potrebujemo datoteko tipa *.asc. Žal rezultati v tem primeru niso najboljši, kar lahko vidimo tudi na sliki 2.

Verifikacija in analize (Simulacijski protokoli)
Frekvenčni odziv preverja pasovno širino v območju od 20 Hz do 20 kHz z znotraj tolerančnega območja ±1 dB. Tranzientna analiza in THD: Izračuna harmonsko popačenje s pomočjo ukaza .four 1k V(out). AI pomaga zagotoviti THD < 0.1 % z optimizacijo DC delovne točke. Analiza šuma določa ekvivalentni vhodni šum (EIN). Zaradi integriranega R1 znaša EIN okoli -115 dBV, kar je idealno za standardne govorne aplikacije.

Javni ali zasebni AI? Se splača?
Čeprav smo prepričali smo se o visoki zmogljivosti javnih AI, kot je Googlov Gemini 3, včasih želimo zmogljiv AI model namestiti v lasten računalnik in se tako zaščititi pred morebitnim puščanjem naših internih zamisli, znanja in modelov v javni internet. Vendar to zahteva znatna vlaganja v strojno opremo. Že za sorazmerno skromno zmogljivost AI procesiranja okoli 100 TOPS (10 na 14 operacij na sekundo) bomo odšteli nekaj 100 evrov.

A upoštevati moramo tudi delo za prenos ustreznega AI modela iz spleta ter njegovo namestitev in namestitev vse ostale potrebne programske opreme. Prednost zastonjskih javnih AI modelov je predvsem v tem, da so ves čas posodobljeni in pripravljeni za uporabo kot storitev. Res pa je, da se lahko učijo tudi na našem znanju in izkušnjah. Vseeno, lahko predstavlja racionalna uporaba AI modelov pri načrtovanju električnih vezij bistveno konkurenčno prednost, saj se lahko z njo izognemo številnim enostavnim postopkom, pri čemer dobljeno rešitev le še »izpilimo« do končne praktično uporabne oblike …

YouTube kanal: https://youtube.com/@pcusbprojects
Spletna stran: https://pcusbprojects.com