回路設計 × 機械学習 Advent Calendar 2025

【回路設計✕機械学習】導入編 ② 〜設計ロードマップ〜

Last updated at 2025-12-01Posted at 2025-12-01

■ はじめに

　前回記事では、本シリーズの趣旨 と 設計最適化に向けた全体構成 について説明しました。本記事では、より具体的な設計フローと対象回路、設計条件 について解説します。

　本シリーズでは、調整対象となる回路パラメータ (RLC) を最小限に絞り込み、その組み合わせを機械学習で探索する アプローチを採用します。

「回路 → ADS → CSV → MLデータ → 最適化」という一連の流れにより、「回路パラメータを入力すると応答特性が得られる」 サロゲートモデル (近似モデル) を構築します。

▼ 各ブロックの役割

◎ 回路図 + レイアウト：
　⇨ 図研社ツール 「CR-8000」 で回路図を作成し、基板レイアウトを設計

◎ ADS + DDS：
　⇨ シミュレーションを実施し、DDS APIコマンドで CSV を自動生成

◎ MLデータ：
　⇨ CSV を Pandas で整形し、学習データセットを作成

◎ モデル構築：
　⇨ プレ学習 → 重要特徴量を追加シミュレーション → 再学習

◎ 最適設計：
　⇨ Optuna で所望特性を満たすパラメータ組み合わせを最適化

▶ 本シリーズの主役：BPF
▶ 設計条件として参照する要素：BEF・RFアンプ

本シリーズでは受信機の中心ブロックである 「バンドパスフィルタ (BPF)」 を扱い、
周波数可変型BPF を例に設計プロセスを示します。

受信回路のフィルタは下記３種類の回路ブロックでの構成とします。

(1) バンドパスフィルタ (BPF)
　⇨ 所定の中心周波数だけを通すフィルタ [1]

(2) バンドエリミネーションフィルタ (BEF)
　⇨ 不要な周波数を選択的に除去するフィルタ [2]

(3) RFアンプ (低雑音増幅器)
　⇨ 微弱な受信信号を増幅する [3]

なお、BPFの中心周波数は バリキャップダイオードにより電圧制御が可能 です [4]。

　既存 400〜470MHzのBPF を基に、中心周波数 450MHz〜520MHz へ拡張します。
同時に、ピークゲインは 既存BPF (400〜470MHz) 同等 とします。

実務背景：既存機種の派生モデル化や市場帯域対応のため、主要設計を流用して
別周波数帯の製品を短期間で立ち上げることを想定しています。

また、イメージ除去比は 50dB以上 とします。 [5]

受信機では混信原因となる「イメージ (影像) 周波数」を十分に抑圧する必要があり、
ミニマム要件として、50dBを設定します。

　本シリーズは「回路設計 ✕ 機械学習」の 概念実証 を目的とするため、以下の簡略化条件を設定します。

事前の単一パラメータ・スイープで重要度を算出し、寄与度トップ3が中心周波数とイメージ除去に支配的であることを確認したため、調整対象を3点に限定します。
重要度の詳細については実践編で具体的なシミュレーション結果とともに解説します。

本シリーズでは、サロゲートモデルの有効性検証を優先するため、寄生成分・実装誤差・温度変動 などの複雑な考慮に関しては、シリーズ最後に考察を加えるに留めます。

　本記事では、400〜470MHz BPFをベースに、450〜520MHzへ周波数展開するための設計ロードマップ を整理しました。次回は、使用するシミュレーション構成と DatalinkによるPython連携 について解説します。

[1] 「バンドパスフィルタの『回路』と『周波数特性』について！」
https://detail-infomation.com/band-pass-filter/

[2] 「LPFとHPFとBPFとBSFの違い！【フィルタ】」
https://detail-infomation.com/lpf-hpf-bpf-bsf/

[4] 「バリキャップ(varicap)の使い方」
https://cc.cqpub.co.jp/system/contents/2626/