Tcad
PulseAugur coverage of Tcad — every cluster mentioning Tcad across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的GAT代理模型加速FinFET器件仿真
研究人员开发了一种新颖的物理信息图注意力网络（GAT）代理模型，该模型直接在TCAD网格上运行，以模拟FinFET器件的行为。该方法预测每个网格节点上的静电势和载流子准费米能级，将载流子传输物理嵌入训练目标中。该代理模型展示了尺寸泛化能力，允许在较小网格上训练的模型应用于更大、更复杂的器件几何结构。与Sentaurus Device相比，GAT代理模型实现了数量级更高的吞吐量，同时保持了高精度，从而能够对多鳍三栅FinFET进行高效的…
-
新的物理引导扩散模型增强TCAD器件仿真
研究人员开发了PCGD，一个新颖的物理引导条件图扩散框架，用于TCAD器件仿真。该方法直接在非结构化TCAD网格上操作，以预测耦合的静电和载流子密度场，克服了传统方法的高计算成本。PCGD集成了条件感知MeshGraphNet去噪器和物理引导混合目标，通过迭代扩散逐步强制执行物理约束。该框架在一个具有挑战性的基准测试上实现了低于1%的平均相对场误差，显著优于现有的回归和扩散基线，同时还通过减少数据和参数展示了对未见拓扑结构的强大可迁移性。
-
论文认为AI必须整合物理学以用于半导体设计
一篇新的观点论文提出，用于半导体制造的生成式AI模型必须从一开始就整合物理学原理进行设计，而不是依赖于事后过滤。该论文调查了现有的架构工具，如物理信息扩散模型和偏微分方程约束变分模型，并强调了它们在光刻和工艺模拟等领域的应用。论文认为，对于有效性至关重要的物理系统，通过构造强制执行约束的生成模型将优于那些仅对其进行过滤的模型，而半导体制造是其中最关键的测试案例。
-
AI模型加速铁电NAND保持分析，速度比TCAD快10000倍以上
研究人员开发了一种新颖的物理信息神经网络算子（PINO）模型，以加速铁电垂直NAND（Fe-VNAND）闪存中的数据保持分析。该AI代理模型整合了基本物理原理，与传统的工艺计算机辅助设计（TCAD）模拟相比，实现了超过10,000倍的速度提升。PINO框架能够准确预测阈值电压漂移和保持行为，为优化器件设计和实现可靠性感知模拟提供了重大进展。