장치 모델 매개변수 추출 및 재중심화를 자동화하는 방법

견적 받기
전자 설계 자동화
+ 전자 설계 자동화
전자 설계 자동화
+ 전자 설계 자동화

Automate Machine Learning Parameter Extraction and Model Re-Centering

컴팩트 모델 파라미터 추출은 피팅할 측정 프로프 또는 성능 지수(figure of merit)를 선택하고, 해당 타겟과 연결된 모델 파라미터를 식별하며, 적절한 파라미터 범위를 정의하는 것으로 시작됩니다. 연속 전류-전압(IV), 펄스 IV, 커패시턴스-전압(CV), S-파라미터, 온도 스케일링 및 지오메트리 스케일링을 피팅 타겟에 포함할 수 있습니다. 그런 다중의 개별 피팅 작업 순서가 필요한 방식 대신 머신 러닝 최적화 도구가 전역 최적화(global optimization)를 통해 선택한 플롯과 파라미터를 함께 평가합니다.

모델 재센터링의 경우, 타겟 데이터가 모델 제너레이터(Model Generator)에 로드되고 필요한 디바이스 지오메트리에 대한 스케일링 플롯이 생성됩니다. 엔지니어는 최적화를 실행하기 전에 원하는 재센터링 플롯, 파라미터, 파라미터 범위, 오차 함수, 샘플러, 반복 제한 및 난수 시드(random seed)를 선택합니다. 결과 시뮬레이션 곡선이 측정된 데이터와 비교되므로, 파라미터 세트가 선택된 타겟 전반에서 최적화되어 반복 가능한 추출 워크플로의 일부로 재사용될 수 있습니다.

장치 모델 매개변수 자동 추출 및 재중심화 솔루션

디바이스 모델 재센터링에는 측정된 타겟, 해당 모델 파라미터, 정의된 파라미터 범위, 그리고 선택된 데이터 전반에서 피팅 오차를 최소화하는 최적화 프로세스가 필요합니다. IC-CAP ML Optimizer는 여러 피팅 플롯과 파라미터를 전역 최적화로 결합하여, 추출을 작은 최적화 단계 시퀀스로 분할해야 할 필요성을 줄여줍니다. 모델 제너레이터는 타겟 데이터 로드, 스케일링 플롯 생성, 재센터링 타겟 선택, 피팅 프로세스 관리를 지원합니다. 엔지니어는 샘플러, 상대 평균 제곱근 오차(RMSE), 최대 반복 횟수 및 난수 시드를 구성할 수 있습니다. 동일한 접근 방식을 재센터링 및 BSIM4 모델링과 같은 더 복잡한 컴팩트 모델 추출을 위한 맞춤형 추출 흐름에 통합할 수 있습니다.
견적 받기

머신러닝 기반 자동 재중심화

당사의 자동화된 디바이스 모델 파라미터 추출 및 리센터링 솔루션용 제품 살펴보기

리소스 및 인사이트 알아보기

자동화된 디바이스 모델 파라미터 추출 및 재센터링 관련 추가 리소스

관련 사용 사례

초전도 운동 유도성을 모델링하는 방법

온도 의존성 초전도 회로에서 모델 동적 인덕턴스 및 공진 주파수 변동을 분석한다.

자세히 알아보기

임베디드 PQC 구현을 안전하게 보호하는 방법

임베디드 PQC 구현에 대한 사이드채널 및 결함 주입 위험을 평가하고, 적절한 보안 완화 조치를 적용한다.

자세히 알아보기

레이아웃에서 양자 매개변수를 추출하는 방법

주파수 영역 및 고유모드 분석을 활용하여 전자기(EM) 시뮬레이션 결과로부터 초전도 큐비트 매개변수를 추출한다.

자세히 알아보기

문의하기 로고

전문가에게 문의하십시오.

적합한 솔루션을 찾는 데 도움이 필요하십니까?

문의하기