Компания Keysight представляет инструментарий машинного обучения для ускорения моделирования устройств и разработки PDK

Моделирование на базе искусственного интеллекта и машинного обучения сокращает время вывода продуктов на рынок благодаря ускорению совместной оптимизации проектных решений и технологий (DTCO), а также интенсифицирует процесс извлечения параметров моделей для современных техпроцессов, радиочастотных (РЧ) и силовых приложений.

САНТА-РОЗА, Калифорния, 15 января 2026 г.

Компания Keysight Technologies, Inc. (NYSE: KEYS) сегодня объявила о выпуске нового инструментария машинного обучения (Machine Learning Toolkit), вошедшего в состав последней версии программного комплекса Keysight Device Modeling Software Suite. Данное новое решение сокращает время разработки моделей и извлечения их параметров с нескольких недель до нескольких часов, что обеспечивает более оперативную поставку комплектов проектирования (PDK) и ускоряет реализацию задач по совместной оптимизации проектных решений и технологий (DTCO).

Полупроводниковая промышленность претерпевает стремительную трансформацию, обусловленную внедрением передовых архитектур, таких как транзисторы с кольцевым затвором (GAA), использованием широкозонных полупроводниковых материалов, включая нитрид галлия (GaN) и карбид кремния (SiC), а также стратегий гетерогенной интеграции, подразумевающих применение чиплетов и технологий 3D-стекирования. Несмотря на то что эти инновации способствуют росту производительности, они также создают сложные проблемы в области моделирования и извлечения параметров. Традиционные рабочие процессы опираются на физические компактные модели и ручное извлечение параметров, что вынуждает инженеров корректировать сотни взаимосвязанных показателей для различных условий эксплуатации — этот процесс может занимать недели и зачастую не позволяет достичь оптимальных результатов. В условиях постоянно ужесточающихся графиков разработки критически важными становятся более быстрые, предиктивные и автоматизированные решения для моделирования на основе искусственного интеллекта и машинного обучения (AI/ML).

Новый инструментарий машинного обучения от Keysight, включающий в себя ML-оптимизатор, алгоритмы автоматического извлечения и вспомогательные утилиты в рамках ПО Device Modeling MBP 2026, решает эти задачи путем внедрения программной среды, сочетающей в себе передовые архитектуры нейронных сетей с оптимизацией на базе машинного обучения. Использование данного инструментария позволяет сократить количество шагов при автоматическом извлечении параметров с более чем 200 до менее чем 10, что ускоряет выпуск PDK, автоматизирует процессы DTCO и сокращает сроки вывода готовой продукции на рынок.

Ключевые особенности и преимущества:

• Ускоренное извлечение параметров: количество ручных операций сокращается с нескольких сотен до 5–6 автоматизированных этапов, что позволяет выполнять глобальную оптимизацию более 80 параметров за один цикл, учитывая при этом вторичные эффекты, температурные колебания и динамические характеристики. Данное решение исключает необходимость в повторяющейся ручной настройке и повышает точность прогнозирования в режимах постоянного тока (DC), радиочастот (RF) и больших сигналов.
• Автоматизированный рабочий процесс: решение бесшовно интегрируется с платформой Keysight для моделирования устройств, обеспечивая поддержку кастомизации на языке Python и надежный автоматизированный поток моделирования.
• Масштабируемость между различными технологиями: рабочие процессы легко адаптируются к структурам FinFET, GAA, GaN, SiC и биполярным приборам, обеспечивая повторяемость и возможность многократного использования алгоритмов для различных технологических узлов.
• Повышение эффективности DTCO: инструментарий обеспечивает ускорение циклов обратной связи между этапами проектирования приборов и схемотехники, сокращая циклы разработки PDK с недель до нескольких дней.

Нилеш Камдар, генеральный менеджер Keysight EDA, отметил: «Технологии AI/ML коренным образом трансформируют традиционные рабочие процессы и методологии компактного моделирования. С новым инструментарием машинного обучения мы даем нашим заказчикам возможность создавать более точные и высококачественные модели за значительно меньшее время, ускоряя разработку PDK и помогая им идти в ногу со стремительно развивающимися полупроводниковыми технологиями».

Используя моделирование на базе AI/ML, Keysight позволяет полупроводниковым компаниям ускорять внедрение инноваций, снижать риски при разработке и сохранять конкурентные преимущества на динамично развивающемся рынке. Для получения более подробной информации посетите раздел решений Keysight для моделирования устройств.

Дополнительные улучшения в других решениях Keysight для моделирования устройств включают:

• Device Modeling MQA 2026: внедрены новые правила проверки качества моделей старения (Aging Model QA) для интерфейсов OMI и MOSRA.
• Device Modeling WaferPro 2025: реализована новая функция дистанционного управления для удаленного тестирования низкочастотных шумов с использованием анализатора A-LFNA, что повышает гибкость и эффективность измерений.
• A-LFNA 2026: представлена новая возможность проведения стресс-тестирования на низкочастотный шум, обеспечивающая непрерывный цикл измерений от этапа нагрузочных испытаний до анализа шумов.

Источник: Keysight Press Releases