研究人员开发了基于神经网络(NN)的晶体管模型,显著加速了芯片设计的SPICE仿真。这些模型能够准确预测3纳米纳米片器件的漏极电流和电荷,证明了其作为行业标准BSIM-CMG模型的替代方案的可行性。在各种电路中,基于神经网络的方法实现了高达8倍的标准单元库表征加速,在延迟评估中的误差低于0.11%,在总功耗评估中的误差为0.76%。 AI
影响 加速芯片设计仿真,可能缩短新硬件的上市时间。
排序理由 详细介绍晶体管建模新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →