在芯片技术带来社会变革的数十年里，EDA软件一直在提高半导体设计生产力，作为支撑集成电路产业的基础工具，EDA工具已融入现代芯片设计的方方面面。但是伴随摩尔定律的演进、芯片设计规模的增大，制造工艺复杂度直线攀升，但市场要求企业能够更快的将新的产品推出，为现代EDA业带来了巨大挑战，为应对挑战，人工智能/机器学习显现出了巨大的潜力，成了重新定义芯片设计和制造的破局思路。
2022年，西门子EDA线上研讨会隆重登场，面对芯片行业难题，4位西门子EDA专家线上分享，如何借助人工智能/机器学习在芯片行业产能受限的前提下进一步提升良率、缩短研发周期。
Calibre SONR：第三代Layout智能分析工具助力先进工艺节点良率爬升。重点探讨Calibre SONR产品的工作原理以及良率爬升解决方案。
利用Solido机器学习技术提升SPICE验证与参数提取的精度。围绕变量感知型时序库特征参数提取技术，探讨如何使用基于机器学习算法的工具提取包含LVF格式的时序库文件，提升单一时序和整体时序库的提取速度。将单一时序库文件的提取速度提升100倍，使整体时序库的提取时间缩短40%-60%。
机器学习在量产化诊断驱动良率分析中的应用。通过无监督机器学习技术，Root Cause Deconvolution（简称为RCD），找到最可能的缺陷分布并移除低概率怀疑点，从而提高分辨率和准确性。
在OneSpin中利用机器学习/人工智能（ML/AI）：使用案例和机会。通过 OneSpin 产品的形式化验证使用案例，说明这些产品如何部署其中的一些技术，找出可以借助人工智能技术显著缩短 ASIC/FPGA 验证周期的自动化新领域。
扫描海报二维码即刻报名
观看视频！
