Comment automatiser l'extraction et le recentrage des paramètres des modèles de dispositifs

Automatisation de la conception électronique
+ Automatisation de la conception électronique

Automatisation de l'extraction des paramètres d'apprentissage automatique et du recentrage des modèles

L'extraction des paramètres d'un modèle compact commence par la sélection des courbes mesurées ou des indices de performance à ajuster, l'identification des paramètres du modèle associés à ces cibles et la définition de plages de paramètres appropriées. Les courbes courant-tension (IV) en continu, les courbes IV pulsées, les courbes capacité-tension (CV), les paramètres S, la mise à l'échelle en température et la mise à l'échelle géométrique peuvent être inclus comme cibles d'ajustement. L'optimiseur d'apprentissage automatique évalue ensuite conjointement les courbes et les paramètres sélectionnés via une optimisation globale, plutôt que de nécessiter une séquence d'opérations d'ajustement distinctes.

Pour le recentrage du modèle, les données cibles sont chargées dans le générateur de modèles et des graphiques de mise à l'échelle sont créés pour les géométries de dispositifs requises. Avant de lancer l'optimisation, les ingénieurs sélectionnent les graphiques de recentrage souhaités, les paramètres, les plages de paramètres, la fonction d'erreur, l'échantillonneur, la limite d'itération et la graine aléatoire. Les courbes simulées obtenues sont comparées aux données mesurées, ce qui permet d'optimiser l'ensemble de paramètres pour l'ensemble des cibles sélectionnées et de le réutiliser dans le cadre d'un flux de travail d'extraction reproductible.

Solution d'extraction automatisée des paramètres des modèles de dispositifs et de recentrage

Le recentrage d’un modèle de dispositif nécessite des cibles mesurées, les paramètres de modèle correspondants, des plages de paramètres définies et un processus d’optimisation qui minimise l’erreur d’ajustement sur l’ensemble des données sélectionnées. L’IC-CAP ML Optimizer combine plusieurs graphiques d’ajustement et paramètres au sein d’une optimisation globale, ce qui évite de devoir diviser l’extraction en une séquence de petites étapes d’optimisation. Le Model Generator permet de charger les données cibles, de générer des graphiques d’échelle, de sélectionner les cibles de recentrage et de gérer le processus d’ajustement. Les ingénieurs peuvent configurer l’échantillonneur, l’erreur quadratique moyenne relative (RMSE), le nombre maximal d’itérations et la graine aléatoire. Cette même approche peut être intégrée dans des flux d’extraction personnalisés pour le recentrage et l’extraction de modèles compacts plus complexes, tels que la modélisation BSIM4.

Recentrage automatique grâce à l'apprentissage automatique

Découvrez les produits de notre solution d'extraction automatisée des paramètres et de recentrage des modèles de dispositifs

Découvrir les ressources et les idées

Ressources supplémentaires pour l'extraction automatisée des paramètres des modèles de dispositifs et le recentrage

Cas d'utilisation connexes

contactez-nous logo

Contactez l'un de nos experts

Besoin d'aide pour trouver la solution qui vous convient ?