慕尼黑工业大学用神经网络加速 3nm 纳米片 SPICE 仿真

慕尼黑工业大学研究人员发表论文《NN-Based Transistor Modeling for Ultra-Fast SPICE Simulation and Standard Cell Library Characterization》，针对神经网络晶体管模型此前缺乏在完整 EDA 工具流程中严格验证的问题，构建了可精确预测 3nm 纳米片漏电流与各类电荷的 NN 模型，并将其用于标准单元库表征。 由于标准单元库表征涉及数千次 SPICE 仿真，研究团队以此作为衡量晶体管模型质量与一致性的基准，在广泛的 SPICE 仿真范围内对比行业标准实现，并补充了多种复杂电路的模拟级与数字级仿真。 实验结果显示，NN 模型可作为现有晶体管紧凑模型的有效替代方案：在大量电路上，延迟与总功耗评估误差分别为 sub-0.11% 和 0.76%，标准单元库表征耗时最多减少 8 倍，收敛时间也优于基于 Verilog-A 的行业标准 BSIM-CMG 模型。论文同时提供了关于 NN 精度的系统性信息与指导，揭示了网络规模对电路仿真精度的影响关系。