Ettersom halvlederdata fortsetter å vokse i skala og kompleksitet, trenger ingeniører mer enn data - de trenger handlingsbar innsikt.
Calibre SONR kombinerer maskinlæring, ekspertise innen halvlederdomener og big data for å hjelpe team med å avdekke meningsfull innsikt, ta raskere beslutninger og akselerere innovasjon.
Calibre SONR, en funksjonsvektordrevet maskinlæringsplattform, muliggjør et bredt spekter av fabeløsninger og tilpassbar, skalerbar og integrert design- og fabelinteraksjonsanalyse som generering av pleieområder, layoutklynging og sammenligning. Den er kompatibel med hele Calibre-økosystemet.
Calibre SONR tilbyr en unik klyngemetode for uovervåkede eller semi-overvåkede maskinlæringsmodeller. Sammenlignet med åpen kildekode eller andre kommersielle klyngings- eller grupperingsmetoder, viser Calibre SONR betydelige ytelsesfordeler for hele brikkdatanivået (milliarder) og opprettholder høy nøyaktighet.
Calibre SONR konverterer all slags informasjon til funksjoner gjennom sin kraftige og fleksible funksjonsinnsamlingsplattform. Informasjon som geometridimensjon, mønstertetthet, litografibildeintensitet, samt tilpassede egenskaper generert fra andre Calibre-verktøy kan alle konverteres til funksjoner med utmerket skalerbarhet og minneforbruk.
En infrastruktur analyserer klynge- og funksjonsvektor-ML-databaser fra Calibre SONR, og alle verktøy som støtter MLDB. Rask dataanalyse med stor brukervennlighet i klyngesammenligning og effektiv MLDB-filstørrelseskomprimering.
Vi står klar til å svare på spørsmålene dine! Ta kontakt med teamet vårt i dag
Ring: 1-800-547-3000
Vi hjelper deg med å ta i bruk, distribuere, tilpasse og optimalisere dine komplekse designmiljøer. Direkte tilgang til ingeniør- og produktutvikling lar oss utnytte dyp domene- og fagkompetanse.
Siemens Support Center gir deg alt på ett brukervennlig sted -
kunnskapsbase, produktoppdateringer, dokumentasjon, støttesaker, lisens/bestillingsinformasjon og mer.
Calibre-verktøypakken leverer nøyaktig, effektiv, omfattende IC-verifisering og optimalisering på tvers av alle prosessnoder og designstiler samtidig som ressursbruk og tapeout-planer minimeres.