Инструментарий машинного обучения Keysight ускоряет моделирование устройств и разработку PDK

Компания Keysight Technologies Inc. выпустила новый набор инструментов машинного обучения в новейшем программном пакете Keysight Device Modeling Software Suite. Это новое решение позволяет сократить время разработки и извлечения модели с нескольких недель до нескольких часов, что ускоряет выпуск комплектов для проектирования процессов (PDK) и приложений совместной оптимизации технологии проектирования (DTCO).

Полупроводниковая промышленность переживает быструю трансформацию, вызванную передовыми архитектурами, такими как транзисторы со смещенным затвором (GAA), материалы с широкой полосой пропускания, такие как GaN и SiC, и стратегии гетерогенной интеграции, включая чиплеты и 3D-стекирование. Хотя эти инновации способствуют повышению производительности, они также создают сложные проблемы моделирования и извлечения параметров. Традиционные рабочие процессы опираются на физические компактные модели и ручное извлечение параметров, что вынуждает инженеров настраивать сотни взаимосвязанных параметров в различных условиях эксплуатации, а этот процесс может занимать недели и часто не позволяет достичь оптимальных результатов. В условиях все более сжатых сроков необходимо использовать более быстрые, прогнозирующие и автоматизированные решения для моделирования на основе искусственного интеллекта/машинного обучения (AI/ML).

Новый набор инструментов машинного обучения компании Keysight, включающий оптимизатор ML, потоки автоматического извлечения и утилиты в Device Modeling MBP 2026, решает эти проблемы, представляя структуру, сочетающую передовые архитектуры нейронных сетей с оптимизацией на основе ML. Использование этого инструментария позволяет сократить количество этапов автоматического извлечения параметров с более чем 200 до менее чем 10, что ускоряет выпуск PDK, автоматизирует DTCO и сокращает время выхода на рынок.

Ключевые особенности и преимущества:

• Ускоренное извлечение параметров: Сокращает сотни ручных операций до 5-6 автоматизированных шагов, позволяя глобально оптимизировать 80 с лишним параметров за один прогон, улавливая вторичные эффекты, колебания температуры и динамическое поведение. Это решение устраняет повторяющуюся ручную настройку и повышает точность прогнозирования в областях постоянного тока, ВЧ и больших сигналов.
• Автоматизированный рабочий процесс: Легко интегрируется с платформой моделирования устройств компании Keysight, поддерживая настройку на основе языка Python и надежный автоматизированный процесс моделирования.
• Масштабируемость по технологиям: Рабочие процессы легко адаптируются к устройствам FinFET, GAA, GaN, SiC и биполярным устройствам, обеспечивая повторяемость и многократное использование потоков для нескольких технологических узлов.
• Повышенная эффективность DTCO: Обеспечивает более быструю обратную связь между проектированием устройств и схем, сокращая циклы разработки PDK с нескольких недель до нескольких дней.

“AI/ML кардинально меняет традиционные рабочие процессы и методологии компактного моделирования. Благодаря новому набору инструментов машинного обучения мы даем нашим клиентам возможность создавать более прогнозируемые и качественные модели за значительно меньшее время, что ускоряет разработку PDK и помогает им идти в ногу с быстро развивающимися полупроводниковыми технологиями”, - сказал Нилеш Камдар, генеральный директор Keysight EDA.

Используя моделирование на основе ИИ/МЛ, Keysight позволяет полупроводниковым компаниям ускорить инновации, снизить риски разработки и сохранить конкурентное преимущество на быстро развивающемся рынке.