Cómo automatizar la extracción y el recentrado de los parámetros de los modelos de dispositivos

Obtener presupuesto
Automatización del diseño electrónico
+ Automatización del diseño electrónico
Automatización del diseño electrónico
+ Automatización del diseño electrónico

Automatizar la extracción de parámetros de aprendizaje automático y el recentrado de modelos

La extracción de parámetros de modelos compactos comienza seleccionando los gráficos medidos o los parámetros de rendimiento que se desean ajustar, identificando los parámetros del modelo asociados a esos objetivos y definiendo los rangos de parámetros adecuados. Como objetivos de ajuste se pueden incluir las curvas continuas de corriente-tensión (IV), las curvas pulsadas de IV, las curvas de capacitancia-tensión (CV), los parámetros S, el escalado de temperatura y el escalado geométrico. A continuación, el optimizador de aprendizaje automático evalúa conjuntamente los gráficos y los parámetros seleccionados mediante una optimización global, en lugar de requerir una secuencia de operaciones de ajuste independientes.

Para el recentrado del modelo, los datos objetivo se cargan en el Model Generator y se crean gráficos de escalado para las geometrías de los dispositivos requeridas. Los ingenieros seleccionan los gráficos de recentrado deseados, los parámetros, los rangos de los parámetros, la función de error, el muestreador, el límite de iteraciones y la semilla aleatoria antes de ejecutar la optimización. Las curvas simuladas resultantes se comparan con los datos medidos, lo que permite optimizar el conjunto de parámetros para los objetivos seleccionados y reutilizarlo como parte de un flujo de trabajo de extracción repetible.

Solución automatizada para la extracción de parámetros y el recentrado de modelos de dispositivos

El recentrado del modelo de un dispositivo requiere valores objetivo medidos, los parámetros del modelo correspondientes, rangos de parámetros definidos y un proceso de optimización que minimice el error de ajuste en los datos seleccionados. El IC-CAP ML Optimizer combina múltiples gráficos de ajuste y parámetros en una optimización global, lo que reduce la necesidad de dividir la extracción en una secuencia de pequeños pasos de optimización. Model Generator permite cargar datos objetivo, generar gráficos de escalado, seleccionar valores objetivo para el recentrado y gestionar el proceso de ajuste. Los ingenieros pueden configurar el muestreador, el error cuadrático medio relativo (RMSE), el número máximo de iteraciones y la semilla aleatoria. Este mismo enfoque puede incorporarse a flujos de extracción personalizados para el recentrado y para la extracción de modelos compactos más complejos, como el modelado BSIM4.
Obtener presupuesto

Recentrado automático habilitado por aprendizaje automático

Descubre los productos de nuestra solución automatizada de extracción de parámetros y recentrado de modelos de dispositivos

Descubra recursos e información

Recursos adicionales para la extracción automatizada de parámetros de modelos de dispositivos y el recentrado

Casos prácticos relacionados

Cómo diseñar circuitos de qubits superconductores

Diseña circuitos de qubits superconductores, analiza los modos resonantes mediante simulación electromagnética de onda completa y exporta diseños GDS listos para su fabricación.

Más información

Cómo diseñar resonadores transmon de chip invertido

Evaluar el comportamiento de los resonadores transmon y CPW de tipo «flip-chip» comparando la orientación de los resonadores con respecto a las capas adyacentes de silicio y metal.

Más información

Cómo modelar la inductancia cinética superconductora

Modelización de la inductancia cinética y los desplazamientos de la frecuencia de resonancia en circuitos superconductores dependientes de la temperatura.

Más información

contacto logotipo

Póngase en contacto con uno de nuestros expertos

¿Necesita ayuda para encontrar la solución adecuada para usted?

Contáctenos