Пакет W7019E PathWave IC-CAP NeuroFET для извлечения

Пакет извлечения NeuroFET W7019E PathWave IC-CAP включает:

• Универсальный пакет включает расширенный контроль измерений, обучение нейронной сети и проверку
• Улучшенная сходимость постоянного тока и радиочастот и Подгонка S-параметров по сравнению с моделью Root
• Улучшенное моделирование искажений при низкой амплитуде по сравнению с моделью Root
• Экспорт и использование модели NeuroFET в PathWave Advanced Design System (ADS)

NeuroFET — это эволюция модели Root с той же топологией, но с таблицами, замененными на искусственные нейронные сети (ИНС). Модель Root имеет некоторые ограничения из-за табличного представления токов и зарядов устройства.

ИНС — это вычислительная парадигма, основанная на том, как работает мозг — они могут плавно аппроксимировать любую нелинейную функцию, используя сеть тесно взаимосвязанных нелинейных функций обработки, называемых нейронами. Сложный алгоритм обучения машинного обучения (ИИ) определяет веса между узлами для оптимальной и плавной аппроксимации нелинейных функций тока и заряда модели. Гладкие производные имеют решающее значение для точного представления поведения искажений, особенно при низких уровнях сигнала, где производные высокого порядка должны быть непрерывными для достижения наилучшей точности.

Модель NeuroFET также добавляет сложную методологию экстраполяции за пределы измеренных данных, что приводит к надежному поведению сходимости DC и симулятора большого сигнала. Результирующая модель не зависит от технологии и хорошо работает как для устройств HEMT, так и для FET в кремнии и материалах III-V. NeuroFET не охватывает пассивные смесители или коммутационные приложения.

Преимущества NeuroFET по сравнению с табличными моделями Root:

• Улучшенная сходимость DC и RF
• Улучшенное моделирование искажений при низкой амплитуде
• Более точные S-параметры по сравнению со смещением

Пакет извлечения IC-CAP NeuroFET управляет измерениями DC и S-параметров, необходимыми для извлечения модели. Затем программное обеспечение выполняет обучение ИНС с помощью определенной процедуры оптимизации ошибок. Затем выходной файл модели можно смоделировать с помощью ADS в среде IC-CAP или экспортировать в ADS для использования со встроенным компонентом моделирования схемы NeuroFET.