• Utmost IV

器件特征化与SPICE建模

更快交付精确、支持PDK的紧凑模型

Silvaco的器件特征化与SPICE建模平台致力于加速创建高质量的紧凑模型,这些模型是实现精确电路仿真、加速PDK部署及高效设计技术协同优化(DTCO)的关键。
该平台被全球范围内的晶圆厂、IDM、系统公司及大规模制造商广泛采用,将数据采集、DoE驱动的参数提取和SPICE级模型生成整合到一个经过量产验证的无缝工作流中。

相比同类建模方案,该平台以更低的成本实现了更可靠的模型收敛性、更短的提取周期以及更优的精度表现。

为何领先的半导体研发团队选择Silvaco

Silvaco在业界独树一帜地提供了一套兼具稳健性与集成度的建模解决方案,将器件物理、TCAD仿真和SPICE紧凑模型有机地结合在一起。

✔ 加速PDK交付

快速提取能力将模型开发周期从数周压缩至数分钟。

 AI与机器学习优化

无论数据源自TCAD仿真还是直接来自被测器件,都能提供业界领先的性能,以优化测量结果并生成紧凑型模型。

高精度覆盖功率、显示及先进节点

全面支持BSIM、HiSIM、PSP、RF模型及可靠性建模,确保各工作域内行为的精确表征。

✔ DOE →提取 →验证的闭环工作流

生成丰富建模数据,执行统计分析,跨工艺角进行验证,并可直接与SmartSpice、HSPICE、Eldo、Spectre、LTSpice及QSpice等主流SPICE仿真器接口对接。

✔ 企业级能力,更低总体拥有成本

为晶圆厂、IDM及设计公司提供显著优于同类平台的性价比。

关键能力概览

器件特征化
  • 支持参数探索与优化的DOE框架
  • 高速数据采集引擎
  • 预配置模板,覆盖所有主流紧凑模型类型
  • 基于先进的AI/ML进行优化,兼顾高性能与易用性
  • 开放架构的仪器驱动,用户可修改或自定义以适配任意测量设备
紧凑模型提取
  • 完整紧凑型模型库:BSIM-CMG、BSIM4/6、HiSIM、PSP等
  • 基于物理的参数初值估计,显著改善拟合质量
  • 支持multi-finger、FinFET、GAAFET及新兴器件架构,兼容宏模型与Verilog-A模型
SPICE 模型部署与验证
  • 集成高速多线程SmartSpice仿真器用于模型验证
  • 生成的紧凑模型可直接用于Cadence、Synopsys、Mentor等主流设计环境

端到端工作流,驱动可量化成果

  1. 规划与数据采集
    DOE策略引导最优测量方案,确保高保真提取。
  2. 特征化与拟合
    提取工具生成适用于全工作域的精确参数。
  3. 跨工艺角验证
    涵盖可靠性、老化、统计及温度感知验证,确保模型鲁棒性。
  4. 支持PDK的模型交付
    生成可直接部署至设计团队的SPICE模型及配套文档。
  5. 持续迭代优化
    随工艺演进,轻松完成模型更新与完善。

目标用户:晶圆厂、IDM、无晶圆厂及系统公司

晶圆厂与大规模制造商
  • 缩短模型提取周期
  • 优化工艺-器件协同设计
  • 加快PDK交付速度
IDMs与系统OEMs
  • 加强设计与工艺一致性
  • 提升性能与可靠性建模能力
  • 支持内部流程定制器件建模
无晶圆厂设计团队
  • 快速验证设计假设
  • 提升签核级仿真精度
  • 通过精确建模降低重复设计风险

Silvaco 技术优势

业界领先的建模算法

Silvaco底层集成多种先进数学优化器(Levenberg-Marquardt、Hooke-Jeeves、遗传算法、差分进化、并行回火、模拟退火、粒子群优化及高斯过程),专为高精度与高稳定性设计。

与TCAD无缝协同

与多数竞品不同,Silvaco在Victory Process、Victory Device与SPICE建模工具之间提供连贯的工作流程,真正实现从TCAD到SPICE的全链路贯通。

自动化与DOE智能

内置DOE策略有效减少冗余测量,提升提取精度与效率。

灵活的企业级部署

支持本地服务器、高性能计算集群或云端部署,兼容Windows与Linux环境。

常见问题

SPICE模型提取是导出紧凑模型参数的过程,这些参数能够准确表征真实半导体器件的电学行为,并将其与紧凑模型匹配,以用于电路仿真。

它们使电路设计人员能够在真实工况下进行仿真,确保时序、功耗、变异性和可靠性预测的准确性。

Silvaco在提取精度与建模优化性能方面均表现优异,同时具备更优的成本效率、更紧密的TCAD集成度以及更简洁的工作流体验。

支持BSIM-CMG、BSIM4/6、HiSIM、PSP、RF模型、功率MOSFET模型、宏模型等多种类型。

相关资源

Isato Ogawa,Tomoharu Yokoyama,Mutsumi Kimura,
“Simulation of neural network using ferroelectric capacitor,”
IEICE Technical Report Vol.117 No.372, No.373 , Dec 2017

Dondee Navarro*, Takeshi Sano*, and Yoshiharu Furui*,
“A Sequential Model Parameter Extraction Technique for Physics-Based IGBT Compact Models,”
IEEE Transactions on Electron Devices, Vol. 60, Issue 2, pp. 580-586, Feb. 2013.
*Silvaco engineer

Masataka Miyake, Dondee Navarro*, Uwe Feldmann, Hans Juergen Mattausch, Takashi Kojima, Takaoki Ogawa, and Takashi Ueta,
“HiSIM-IGBT: A Compact Si-IGBT Model for Power Electronic Circuit Design“,
IEEE Transactions on Electron Devices, Vol. 60, Issue 2, pp. 571 – 579, Feb. 2013.
*Silvaco engineer

Si、GaN和SiC功率器件的SPICE建模

How to Model and Simulate Flat Panel Pixel Arrays