是德科技推出机器学习工具包，旨在加速器件建模和PDK开发
基于人工智能/机器学习的建模技术缩短了产品上市时间，从而加快了设计与工艺协同优化（Design Technology Co-Optimization）的开发进程，并加速了进阶 节点、射频（RF）及电源应用的模型参数提取
SANTA ROSA, Calif.January 15, 2026
是德科技公司（Keysight Technologies, Inc.，纽约证券交易所代码：KEYS）今日宣布，在最新的是德器件建模软件套件中推出了全新的机器学习工具包。这一新解决方案将模型开发和提取时间从数周缩短至数小时，从而加快了工艺设计套件（PDK）的交付速度，并促进了设计技术协同优化（DTCO）应用的实施。
在“进阶 ”架构（如全栅极（GAA）晶体管）、宽禁带材料（如GaN和SiC）以及包括微芯片（chiplets）和3D堆叠在内的异构集成策略的推动下，半导体行业正经历着快速转型。尽管这些创新推动了性能提升，但也带来了建模和参数提取方面的复杂挑战。 传统工作流程依赖于基于物理原理的紧凑模型和手动参数提取，迫使工程师在多种工作条件下调整数百个相互关联的参数，这一过程可能耗时数周，且往往难以获得最优结果。随着项目进度日益紧迫，更快、更具预测性且由人工智能/机器学习（AI/ML）驱动的自动化建模解决方案现已成为基础 。
是德科技（Keysight）全新的机器学习工具包集成了机器学习优化器、自动提取流程以及“器件建模”（MBP ）2026版中的实用工具，通过引入一种将进阶 神经网络架构与基于机器学习的优化相结合的框架，有效解决了这些挑战。 借助该工具包，自动提取功能可将参数提取步骤从 200 多个减少到不到 10 个，从而加速 PDK 交付、实现 DTCO 自动化，并加快产品上市时间。
主要特点和优势：
- 加速参数提取：将 数百个手动步骤简化为 5至6个自动化步骤，可在单次运行中对80多个参数进行全局优化，并捕捉次级效应、温度变化和动态行为。该解决方案消除了重复的手动调谐，并提高了直流、射频和大信号域的预测精度。
- 自动化工作流：与是德科技的器件建模平台无缝集成，支持基于 Python 的定制以及强大的自动化建模流程。
- 跨技术可扩展：工作流程 可轻松适应 FinFET、GAA、GaN、SiC 和双极型器件，确保在多个工艺节点上实现可重复且可重用的流程。
- 提高 DTCO 效率：使 设备与电路设计之间的反馈循环更快，将 PDK 开发周期从数周缩短至数天。
是德科技 EDA 事业部总经理 Nilesh Kamdar 表示：“人工智能/机器学习正在 从根本上改变紧凑型建模的传统工作流程和方法。借助全新的机器学习工具包，我们能够帮助客户在大幅缩短的时间内交付更具预测性、质量更高的模型——从而加速 PDK 开发，并帮助他们跟上快速发展的半导体技术步伐。”
通过利用基于人工智能（AI）和机器学习（ML）的建模技术，是德科技帮助半导体企业加速创新、降低开发风险，并在快速发展的市场中保持竞争优势。如需了解更多详情，请访问是德科技器件建模解决方案页面。
其他是德科技器件建模解决方案的其他增强功能包括：
- 设备建模MQA 2026：引入了与OMI和MOSRA老化模型质量保证（QA）相关的新规则。
- 设备建模WaferPro 2025：新增了一项远程控制功能，支持通过 A-LFNA 进行远程低频噪声测试，从而提高了灵活性和效率。
- A-LFNA 2026：引入了新的低频噪声应力测试功能，实现了从应力测试到噪声测试的无缝测量。
资源