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 Neuzentrierung von Gerätemodellen erfordert gemessene Zielwerte, entsprechende Modellparameter, definierte Parameterbereiche und einen Optimierungsprozess, der den Anpassungsfehler über die ausgewählten Daten minimiert. Der IC-CAP ML Optimizer kombiniert mehrere Anpassungsdiagramme und Parameter zu einer globalen Optimierung, wodurch die Notwendigkeit entfällt, die Datenextraktion in eine Folge kleiner Optimierungsschritte zu unterteilen. Der Modellgenerator unterstützt das Laden von Zieldaten, das Generieren von Skalierungsdiagrammen, das Auswählen von Neuzentrierungszielen und die Steuerung des Anpassungsprozesses. Ingenieure können den Sampler, den relativen mittleren quadratischen Fehler (RMSE), die maximale Anzahl an Iterationen und den Zufallsgenerator-Seed konfigurieren. Derselbe Ansatz lässt sich in benutzerdefinierte Extraktionsabläufe für die Neuzentrierung und die Extraktion komplexerer Kompaktmodelle wie z. B. BSIM4-Modellierung integrieren.
Angebot anfordern

Automatisches Neuzentrieren durch maschinelles Lernen

Entdecken Sie Produkte in unserer Lösung zur automatisierten 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