Home » Archives for Jamal Smith » 第12页
Jamal Smith
Know how your circuit behaves across process variation before silicon tells you, with Monte Carlo-accurate results up to 30X faster.
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
3 weeks ago
Victory RCx
首页 > 产品与工作流程 > AI 驱动的制造 > TCAD > Victory RCx Victory RCx:3D 场求解器寄生参数提取 Victory RCx 从工艺实际构建的 3D 结构(包括刻蚀侧壁)中提取电阻和电容,使交给电路仿真的寄生参数成为求解结果,而非估计值。 咨询我们的技术专家 下载与文档 Victory RCx 的功能 Victory RCx 是基于物理的场求解器,可在三维中提取寄生参数。它适用于任意形状的结构,包括工艺仿真得到的刻蚀和沉积轮廓,专为单元级精细分析设计。您选择精度,网格自适应调整以达到要求。输出为 SPICE 网表。全芯片任务由 Hipex
3 weeks ago
Victory Atomistic
首页 > 产品与工作流程 > AI 驱动制造 > TCAD > Victory Atomistic Victory Atomistic:原子级仿真与量子输运 当体材料参数无法再描述您的器件时,Victory Atomistic 逐原子求解,并将校准更精确的参数传回 TCAD 流程。 咨询我们的技术专家 获取下载与文档 Victory Atomistic 的作用 Victory Atomistic 逐原子对器件建模,采用非平衡格林函数(NEGF)求解量子输运。结构规模从几个原子到约一百万个原子,覆盖连续介质器件模型失效的范围。每种材料从紧束缚描述出发,因此限域、应变弛豫和声子模式通过计算获得,而非拟合。当新材料或先进节点尚无校准历史时,这正是采用原子级仿真的理由。 功能 量子输运 自洽 Schrödinger–Poisson
3 weeks ago
FTCO
Fab Technology Co-Optimization™:工艺的数字孪生 FTCO 利用工艺和器件仿真的输出,并结合晶圆厂的实测数据进行训练,为晶圆厂工程师提供可实时查询的模型。 咨询 FTCO 专家 What is FTCO? 用一个模型连接工艺、器件和电路 工艺、器件和电路通常依次进行调优。每个团队向下一个团队交付固定的结果,因此跨环节的权衡往往较晚才显现。晶圆厂技术协同优化将三者纳入同一模型。某个注入剂量有利于晶体管却损害电路性能,这类影响会在仍可调整时显现出来。 什么是数字孪生 它是经过训练的制造工艺非线性模型。其知识来自仿真运行和晶圆厂测量数据,这些数据通过 Victory DoE 和 Victory Analytics 反复迭代输入。将器件和电路仿真也纳入训练后,它就能映射工艺参数如何影响器件和电路结果,无需人工编写这些关联。 它能实现单次仿真无法实现的功能 提出问题后,在您仍在使用工具时即可得到答案。TCAD 仿真输入文件每次运行回答一个问题,而且需要能够编写输入文件的人员。数字孪生通过面向非仿真专业工程师的界面实时作答。需要等待实际晶圆试验周期才能作出的工艺决策因此减少。 它并不替代 TCAD。每个答案都源于 TCAD 工程师已经验证的物理机制。 FTCO 工作流程:从仿真到数字孪生