Wie man die Extraktion und Neuzentrierung von Gerätemodellparametern automatisiert

Angebot anfordern
Elektronische Designautomatisierung
+ Elektronische Designautomatisierung
Elektronische Designautomatisierung
+ Elektronische Designautomatisierung

Automatisierte Extraktion von Parametern für maschinelles Lernen und Neuzentrierung von Modellen

Die Extraktion kompakter Modellparameter beginnt mit der Auswahl der zu optimierenden Messkurven oder Gütekriterien, der Identifizierung der zugehörigen Modellparameter und der Definition geeigneter Parameterbereiche. Als Anpassungsziele können kontinuierliche Strom-Spannungs-Kennlinien (IV), gepulste IV-Kennlinien, Kapazitäts-Spannungs-Kennlinien (CV), S-Parameter, Temperatur- und Geometrieskalierung einbezogen werden. Der Machine-Learning-Optimierer wertet die ausgewählten Kurven und Parameter anschließend gemeinsam durch eine globale Optimierung aus, anstatt eine Reihe separater Anpassungsoperationen durchzuführen.

Für die Modellzentrierung werden Zieldaten in den Modellgenerator geladen und Skalierungsdiagramme für die erforderlichen Gerätegeometrien erstellt. Ingenieure wählen die gewünschten Zentrierungsdiagramme, Parameter, Parameterbereiche, Fehlerfunktion, Abtaster, Iterationslimit und den Zufallszahlengenerator aus, bevor sie die Optimierung starten. Die resultierenden simulierten Kurven werden mit Messdaten verglichen, wodurch der Parametersatz für die ausgewählten Ziele optimiert und im Rahmen eines wiederholbaren Extraktionsworkflows wiederverwendet werden kann.

Lösung zur automatisierten Extraktion von Gerätemodellparametern und zur Neuzentrierung

Die Re-Zentrierung von Gerätemodellen erfordert gemessene Ziele, entsprechende Modellparameter, definierte Parameterbereiche und einen Optimierungsprozess, der den Anpassungsfehler über die ausgewählten Daten hinweg minimiert. Der IC-CAP ML Optimizer kombiniert mehrere Anpassungsdiagramme und -parameter in einer globalen Optimierung, wodurch die Notwendigkeit entfällt, die Extraktion in eine Sequenz kleiner Optimierungsschritte zu unterteilen. Model Generator unterstützt das Laden von Zieldokumenten, das Generieren von Skalierungsdiagrammen, das Auswählen von Re-Zentrierungszielen und das Verwalten des Anpassungsprozesses. Ingenieure können den Sampler, den relativen quadratischen Mittelwertfehler (RMSE), die maximalen Iterationen und den Zufallsstartwert (Random Seed) konfigurieren. Derselbe Ansatz kann in angepasste Extraktionsabläufe für die Re-Zentrierung und komplexere Kompaktmodell-Extraktionen wie die BSIM4-Modellierung integriert werden.
Angebot anfordern

Automatisches Neuzentrieren durch maschinelles Lernen

Entdecken Sie Produkte für unsere automatisierte Lösung zur Extraktion und Neuzentrierung von Gerätemodellparametern.

Entdecken Sie Ressourcen und Einblicke

Zusätzliche Ressourcen für die automatisierte Extraktion und Neuzentrierung von Gerätemodellparametern

Verwandte Anwendungsfälle

Wie man supraleitende Qubit-Schaltungen entwirft

Entwerfen Sie supraleitende Qubit-Schaltungen, analysieren Sie Resonanzmoden mit elektromagnetischer Vollwellensimulation und exportieren Sie fertigungsfertige GDS-Layouts.

Mehr erfahren

Wie man Flussquantisierungs-Josephson-Kontakt-Schaltungen modelliert und simuliert

Modellierung von Josephson-Kontakt-Schaltungen mit Flussquantisierung in ADS unter Verwendung flussbewusster Komponenten und Simulation von Gleichstrom, S-Parameter, Transienten und harmonischer Bilanz.

Mehr erfahren

Wie man ein PIN-Fotodetektormodell für einen Siliziumphotonik-Foundry-Prozess optimiert

Ein PIN-Photodetektormodell soll anhand von Messdaten angepasst und sein Ansprechverhalten unter verschiedenen Vorspannungsbedingungen für einen Siliziumphotonik-Foundry-Prozess überprüft werden.

Mehr erfahren

Kontakt Logo

Kontaktieren Sie einen unserer Experten

Benötigen Sie Hilfe bei der Suche nach der richtigen Lösung für Sie?

Kontakt