摘要：在半导体技术飞速发展的今天，器件模型日益复杂，紧凑模型参数提取已成为业界面临的重大挑战。传统优化算法受困于梯度变化不明确，极易陷入局部最优，但最终提取结果差强人意的困局。此外，现代半导体模型中存在大量相互关联的参数，这使得传统方法效率更加低下，建模工程师往往需
在半导体技术飞速发展的今天，器件模型日益复杂，紧凑模型参数提取已成为业界面临的重大挑战。传统优化算法受困于梯度变化不明确，极易陷入局部最优，但最终提取结果差强人意的困局。此外，现代半导体模型中存在大量相互关联的参数，这使得传统方法效率更加低下，建模工程师往往需要将参数提取流程拆解为多个冗长繁琐的子步骤，整个过程可能耗费数天甚至数周时间，严重制约开发进度。
为突破这一技术瓶颈，是德科技（Keysight）重磅推出基于机器学习的全局优化器 ——ML Optimizer，为半导体参数提取带来革命性解决方案！
相较于传统方法，它能在单个步骤内同步处理海量图形与参数，极大简化参数提取流程，将原本漫长的参数提取周期从数天大幅缩短至短短数小时，大幅提升工作效率。
此外，ML Optimizer 尤其擅长应对非凸参数空间，凭借先进的机器学习算法，它能突破传统方法的局限，更精准地找到全局最优解，显著提升参数提取的准确性与整体拟合的一致性，为半导体器件模型的精准构建提供坚实保障。
本次直播将介绍IC-CAP 和 MBP 提供的多个实例，向大家全面展示ML Optimizer 在不同器件建模任务（包括二极管、GaN HEMT、MOSFET 和 BJT）中的卓越效果。我们还在直播过程中设置了互动抽奖，届时将送出小米手环9等精美礼品，欢迎大家扫码报名，参与线上交流！
2025年6月10日 14:00 - 14:45
嘉宾介绍
讲解嘉宾
李依奥
是德科技
器件建模应用工程师
熟悉 IC-CAP、MBP 和 MQA 工具，擅长 HBT 和 GaN HEMT 的器件建模工作。目前专注于将人工神经网络（ANN）和机器学习优化器（ML Optimizer）应用于器件建模，推动技术创新与发展。
答疑嘉宾
邓家媛
是德科技
EEsof EDA部门
应用开发工程师
曾任MBP，MQA技术支持和应用工程师，为全球半导体客户提供技术支持。参与MBP，MQA产品设计和开发，任团队敏捷开发专家。2012年加入是德科技，目前负责器件模型部门MBP，MQA，ICCAP等产品应用开发。
技术干货+精美奖品在直播间等您。
来源：邢邢科技智慧
