神经网络晶体管建模助力超高速电路仿真

该研究提出了一种基于神经网络的晶体管建模方法，用于超高速 SPICE 仿真及标准单元库表征。 在 3nm 纳米片器件上，该模型实现了延迟误差小于 0.11% 和总功耗误差 0.76% 的精度。 与传统 Verilog-A 实现的 BSIM-CMG 模型相比，该方法在标准单元库表征过程中耗时最多减少 8 倍。结果表明，该模型是现有晶体管紧凑模型的有效替代方案，显著提升了复杂电路仿真的精度与收敛速度。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。