Learn How to Utilize Victory Analytics and Machine Learning to Calibrate TCAD Data
TCAD（Technology Computer Aided Design）を用いた物理ベースの設計は、半導体産業における研究開発に大きな貢献をしてきました。従来、TCADによるモデリングは、熟練設計者が試行錯誤を繰り返しながら手作業で行うことがほとんどでした。しかし、Time-to-Marketの加速と開発費の削減が急務となっており、従来のTCADアプローチの見直しが求められています。
機械学習（ML）および人工知能（AI）技術は、現在、TCAD戦略にとって不可欠な機能強化であると考えられています。半導体設計に使用されるTCAD、EDAソフトウェア、SIPソリューションの著名なプロバイダであるシルバコは、AIを活用したTCADの開発で最先端を走っています。
本ウェビナーでは、TCADシミュレーションを実験データに対してベンチマークするための、TCADパラメータのキャリブレーションを強化するML-TCAD複合戦略について紹介します。こちらは、Victory統合パッケージの2つの最新ツール間のシームレスなフローによって実現可能です(Victory Design of Experiment (DoE)とVictory Analytics)。
VDoEは、TCADシミュレーションによるDOEを効率的に実行するための強力なプロジェクト・マネージャです。この重要なステップにより、ユーザはVictory Analyticsに入力するTCAD出力を収集することができます。その後、Victory AnalyticsはMLモデリングを用いてTCADパラメータを最適化し、実験データに適合させます。AlGaN/GaN HEMTのTCADパラメータのキャリブレーションをケーススタディとして紹介します。
内容
- TCADキャリブレーションの概要
- Victory TCAD toolsの概要
- Victory DoE
- Victory Analytics
- Victory Analyticsと機械学習を用いたキャリブレーション手法
- シミュレーションの概要
- Victory DoEによるDOEの作成
- Victory Analyticsによる結果の表示とモデリング
- 実験データに適合させるためのパラメータの最適化
- 結果の検証
プレゼンタ
Dr. Stefania Carapezziは現在、Silvaco Franceのフィールド・アプリケーション・エンジニアです。2023年3月入社。2014年にイタリアのUniversity of Bolognaで物理学の博士号を取得。その後、イタリア・ボローニャのAdvanced Research Center on Electronic Systemおよびフランス・モンペリエのCNRS、University of Montpellier、LIRMMで数年間ポスドク研究員を務めました。研究テーマは、「TCAD simulation of Beyond CMOS devices and quantum effects in nanoscaled transistors」に重点を置いています。
対象:
TCADエンジニア、ファブエンジニア、プロセスエンジニア、プロダクトマネージャ、エンジニアリング管理者
[日本時間]
開催日時:
2024年12月12日
11:00am JST (10:00 Beijing)
7:00pm JST (11:00 Paris)
2024年12月13日
3:00am JST (10:00 Santa Clara)
(各回、同じ内容になります。)
配信: オンライン
言語: 英語