口径情报

Calibre 为设计师提供了多种基于模型的检查选项，以适应任何设计流程：

预装模型： 使用铸造厂数据进行培训，并作为可供最终用户使用的即用型解决方案进行部署。

• 这个Calibre LFD该工具提供了一个虚拟晶圆厂，可以预测 “制造出来的” 光刻工艺可变性对设计的影响。与第一主体模型相比，它利用机器学习在不牺牲精度的前提下将运行时间缩短了 100 倍。

自适应型号： 由 Calibre 进行预训练，并根据客户数据进行微调，以提供灵活的基于模型的检查功能，以优化设计的可制造性。

• 这个Calibre SONR该平台基于机器学习的过程感知布局分析工具可在设计流程中进行全芯片热点预测和分析、模式缩减和覆盖范围检查。

DIY 定制模型：Calibre 基础设施中嵌入了全面的特征提取和机器学习工具，用于在 Calibre 验证流程中训练和部署基于自定义模型的应用程序。

• 用户构建的自定义模型可用于各种应用。
• 一个示例应用程序是使用自定义 ML 模型增强基于模式的热点检测，与传统的模式匹配流程相比，客户的准确性提高了 21%。

Calibre 采用嵌入式 AI 技术，可在运行期间智能地利用硬件资源。

• 这个 Calibre nmDRC 核心引擎分析每种布局和 PDK，以动态识别和选择最佳层次结构优化技术，以实现最佳的任务分配，从而实现硬件节点间的峰值可扩展性。
  
• 这个Calibre PERC可靠性验证工具具有针对 PEX 流进行了 ML 优化的资源分配，可将运行时间提高多达 400%。

根据布局、工艺设计套件 (PDK) 以及用户环境和目标的最佳Calibre设置提供专家指导。

• 这个Calibre nmDRC Recon用于验证的智能自动化工具在设计周期的早期运行，使18个测试用例的运行时间缩短了82％。
• 这个 Calibre nmLVS Recon用于早期电路验证的智能自动化工具将用户在一天内可以完成的 LVS 迭代次数增加了多达 65 倍。NMLvs Recon ERC 功能显示 ERC 检查的运行时间提高了 16 倍。
• Calibre NMLV 智能 Hcell 生成 功能消除了手动优化 Hcell 选择的令人沮丧的过程，运行时间提高了 10%，内存提高了 30%。

通过智能结果分析工具加快 DRC 调试流程，这些工具可以对错误进行聚类，从而提高设计人员发现可重复修复或系统设计问题的可能性。

• 与技术无关的群集，可对检查中的相关错误进行分组。
• 上下文相似度聚类，对检查中的相关错误进行分组。

敬请关注将于2025年推出的Calibre全新高级可视化引擎！

• 快速轻松地分析整个芯片上的芯片级结果，以快速识别错误热点。
• 支持基于集群的引导式调试，以简化调试过程并加速 DRC 的关闭。
• 许多其他功能有助于隔离、调查和识别系统设计缺陷。

这个Calibre DesignEnhancer布局优化工具将智能设计优化技术与Calibre的核心验证引擎相结合，用于自动进行drc-clean设计阶段的IC优化。

• 使用 DE Via 最大限度地提高过孔插入，平均可提高 50% 的 EMIR。
• 使用DE Pge增强电网设计，使EMIR平均提高30％。
• 自动放置 DCAP、ECO 和填充电池，与传统方法相比，运行时间缩短 15 倍。

抗蚀剂、掩模和蚀刻的神经网络辅助建模优化了光刻图案模型的精度，同时保持了性能。

• 优化的模型更简单，这有助于减少 OPC 运行时间。
• 模型精度符合 A18 和 A14 要求。

将人工智能应用于 OPC 和 RET 解决方案以缩短周转时间。

• Calibre 计算光刻产品中的 AI 将运行时间提高了 2 倍到 4 倍，同时保持了完全基于模型的 OPC 的精度。
• 在整个 ILT 运行期间，单调机器学习可将反向光刻 (ILT) 速度提高约 230 倍，在 N2 风格的逻辑布局中获得 80% 以上的F1分数。

基于 ML 的热点预测/检测检查

• 在Calibre的光刻友好型设计（LFD）中使用机器学习，用户可以看到100％的运行时间改善，99.7％的制造设计（DFM）热点预测精度在0.5纳米以内。这个Calibre LFD该工具为设计人员提供了独立于晶圆厂RET的热点预测和分析。
• 这个Calibre SONR特征向量驱动的热点预测机器学习平台将缺陷命中率提高了40倍。
• 缺陷分类和模型覆盖率检查使用机器学习来确保 A18 和 A14 所需的模型精度，并防止过度拟合。

流程驱动，为设计内容提供信息，产量调试和流程优化。

• Calibre SONR 聚类和向下采样利用 AI 在计量预算范围内进行高置信度目标选择，并进行可靠的热点预测和检测。
• 基于机器学习的自动缺陷分类可消除手动分类工作，从而获得可靠和可重复的结果。
• Calibre Fab Insights 利用 AI 进行产量预测和调试，利用 DOE 设置进行解决方案探索和预防性维护预测。用户看到计量工作量有所减少。

使用智能模式生成加快流程开发。

结合 Calibre SONR 和 LSG 合成布局生成技术可提供：

• 全面覆盖的设计规则探索
• 用于流程开发的 Test 模式
• 用于 PDK 质量保证的 Test Pattern
• 探索与上下文相关的标准单元格行为

一流的 Calibre Cluster Manager 为录音操作提供可预测性和效率。

• 通过动态资源分配自动管理 Calibre 作业，以提高计算集群利用率和生产流片操作的总体运行时间。
• 使用 AI 实时检测系统异常有助于识别硬件集群的问题。