Victory Analytics 및 머신 러닝을 활용한 TCAD 데이터의 보정
TCAD를 활용한 물리 기반 설계는 반도체 산업의 R&D에 핵심적인 역할을 하였습니다. 전통적으로, TCAD 모델링은 전문 설계자가 시행착오 과정을 거쳐 대개 수작업으로 개발합니다. 그러나 출시 기간을 단축하여 개발 비용을 줄이려면, 기존 방식을 개선해야 합니다.
머신 러닝 (ML)과 인공 지능 (AI) 은 이제 TCAD 기법을 개선하기 필수 사항으로 간주되고 있습니다. 반도체 설계용 TCAD, EDA 소프트웨어 및 SIP 솔루션의 선도기업인 실바코는 AI 기반 TCAD 개발에 앞장서고 있습니다.
이번 시간에 실험 데이터와 TCAD 시뮬레이션을 연결하기 위해 TCAD 파라미터의 보정을 향상시키는 ML-TCAD 결합 기법을 제시합니다. 이것은 Victory 제품군에서 Victory Design Of Experiment (DOE), Victory Analytics 를 활용합니다.
Victory DoE 는 TCAD 시뮬레이션으로 DOE를 효율적으로 실행할 수 있는 강력한 프로젝트 관리 툴입니다. 이로써, 사용자는 Victory Analytics에 활용할 수 있는 TCAD 출력을 얻을 수 있습니다. 그 다음, Victory Analytics에서 ML 모델링을 사용하여 실험 데이터에 맞게 TCAD 파라미터를 최적화합니다. AlGaN/GaN HEMT의 TCAD 파라미터 보정 절차를 예시로 살펴봅니다.
내용
- TCAD 보정에 대해 간략한 설명
- Victory TCAD 툴의 개요
- Victory DoE
- Victory Analytics
- Victory Analytics 및 머신 러닝을 활용한 보정 방법론
- 시뮬레이션 개요
- Victory DoE를 사용하여 DoE 생성
- Victory Analytics 에서 결과 확인 및 모델링
- 실험 데이터에 맞게 파라미터 최적화
- 결과 확인
발표
Stefania Carapezzi 박사는 2023년 3월부터 실바코 프랑스에서 FAE로 근무하고 있습니다. 2014년 이탈리아 볼로냐 대학교에서 물리학 박사 학위를 취득하였으며, 볼로냐의 전자 시스템 고등 연구 센터와 프랑스 몽펠리에의 LIRMM, 몽펠리에 대학교, CNRS 서 수년간 박사후 연구원으로 재직하였습니다. 주로 Beyond CMOS 소자의 TCAD 시뮬레이션과 나노 크기 트랜지스터의 양자 효과를 연구하고 있습니다.
참석 대상
TCAD 엔지니어, 팹 엔지니어, 공정 엔지니어, 제품 관리자 및 엔지니어링 경영진.
일시 (한국 시각)
12/12 11:00 am (10:00 Beijing)
12/12 7:00 pm (11:00 Paris)
12/13 3:00 am (10:00 Santa Clara)