Home » Archives for September 2026 » 第8页
Know how your circuit behaves across process variation before silicon tells you, with Monte Carlo-accurate results up to 30X faster.
3 weeks ago
模拟与定制 IC 设计
首页 > 产品与工作流程 > AI 驱动设计 > 模拟与定制 IC 设计 模拟与定制 IC 设计 Silvaco 的模拟 IC 设计工具通过统一流程,将您的电路从初始原理图推进至版图、DRC 和 LVS、寄生参数提取、变异分析及签核。 咨询我们的技术专家 下载与文档 模拟 IC 设计在流片前必须确保哪些事项正确 模拟 IC 设计仍需逐个晶体管进行。您需要确定每个器件的尺寸和位置、布设每根连线,并不断验证版图与原理图表示的是同一个电路。 这一过程仍以手动操作为主,因为模拟 IC 设计关注的恰恰是数字流程所抽象掉的细节。晶体管匹配至关重要,每根连线,以及模拟版图引入的电阻和电容也同样重要。带隙基准或
3 weeks ago
PPC
首页 > 产品与工作流程 > AI 驱动制造 > 光刻 > Process Proximity Compensation Process Proximity Compensation:通过构建保证正确性的 OPC 和掩模图形综合 根据实际工艺对每条边缘的影响计算掩模,并先通过仿真验证,使掩模能够按原样印制您的版图。 咨询我们的技术专家 下载与文档 绘制的掩模并非印制出的图形 Silvaco 的 Process Proximity Compensation(PPC)是第三代计算光刻套件,整体采用通过构建保证正确性的 OPC 方法。光学、刻蚀和掩模都会使印制边缘偏离目标。PPC 对三者建模,然后计算能够抵消其综合偏移的掩模。每推进一个节点,挑战都会加大,因为需要在不延长掩模周期或扩大 OPC
3 weeks ago
电路仿真
首页 > 产品与工作流程 > AI 驱动设计 > 电路仿真 电路仿真与 SPICE 仿真 面向模拟、混合信号、存储器和显示电路的 SPICE 仿真软件:在设计需要时提供完整的晶体管级精度,在电路规模过大时提供 FastSPICE。 咨询我们的技术专家 下载与文档 SPICE 仿真的作用 SPICE 仿真器计算什么 向 SPICE 仿真器提供网表及每个器件的紧凑模型,通常来自晶圆代工厂的 PDK。它可在偏置点、频率范围内或随时间逐步求解每个节点的电压和每个支路的电流。返回的结果是波形,而波形就是设计评审的依据。 晶体管级精度为何重要 数字门可抽象为一个延迟,但带隙基准、PLL 或数据转换器不能如此处理。它们是否满足要求取决于晶体管层面才存在的失调、噪声和偏置电流。因此,模拟签核仍依赖 SPICE 仿真,输入模型与求解器同样重要。
3 weeks ago
VSim Plasma
首页 > 产品与工作流程 > AI 驱动制造 > 等离子体 > VSim Plasma VSim Plasma:面向等离子体加工的网格粒子法仿真 当硬件尚处于图纸阶段时,即可在软件中调整腔室或驱动波形,并读取到达晶圆的离子能量和角度。 咨询我们的技术专家 下载与文档 VSim Plasma 的作用 VSim Plasma 是用于工艺腔室内放电的网格粒子法等离子体仿真软件。每种带电组分均作为粒子,在工作压力下的背景气体中运动。FDTD 求解器计算这些粒子产生的电磁场,粒子之间的碰撞和反应决定最终到达晶圆的物质。尝试不同腔室或化学体系,只需重新运行,无需重新构建硬件。 功能 数值方法 动力学组分通过网格粒子法推进,FDTD 在每一步求解周围的场。Monte Carlo 碰撞和 DSMC
3 weeks ago
Victory Analytics
首页 > 解决方案 > FTCO > Victory Analytics Victory Analytics:面向半导体数据的机器学习分析 将仿真运行和晶圆厂数据转化为可查询的模型,使工艺问题的答案无需等待专家解读结果。 咨询 FTCO 专家 阅读产品简介 Victory Analytics 的功能 Victory Analytics 是半导体团队在研究、开发和制造中使用的机器学习分析软件。您提供数据,它负责清洗和可视化,筛选值得保留的特征,拟合回归和神经网络模型,并寻找同时实现多个目标的设置。可将其用于器件表征、工艺流程或晶圆厂设备配方等单个模块,也可用于整条产线的良率工作:对生产数据进行故障检测与分类以及统计过程控制。 从原始数据到决策 数据准备 在建模前标记异常值并填补缺失值。数据集生成过程识别分类变量和重复输入,然后通过决策森林筛选确定允许模型学习的特征。 建模 在一次多变量分析中结合神经网络、决策树和经典统计方法。神经网络采用前馈结构和监督学习,并使用非线性激活函数,能够拟合多项式回归无法捕捉的行为。对于非线性数据集,高斯过程回归提供参数调优,使拟合在欠拟合与过拟合之间保持平衡。 分析 通过 Sobol 和决策森林灵敏度分析,对影响输出的输入进行排序。多级分类处理分类结果。对于产线数据,时间序列分析涵盖季节性以及