Keysight, 극저온 소자 AI 모델링 — 양자 회로 컴팩트모델 보완

Keysight는 양자 컴퓨터의 제어·판독 전자회로에 쓰이는 반도체 소자를 극저온(4K)에서 모델링하는 하이브리드 AI 워크플로를 소개했다. 먼저 ML Optimizer를 이용해 Skywater 130nm PMOS 소자의 300K IV·CV 데이터를 5단계로 피팅해 BSIM-BULK 컴팩트 모델을 추출하고, 이 모델이 포착하지 못하는 4K에서의 잔차 거동을 인공신경망(ANN)으로 학습시켰다. 학습된 ANN 방정식은 Verilog-A 형식으로 변환돼 회로 시뮬레이션에 활용된다. 현재 BSIM-BULK 모델에는 극저온 CMOS의 물리적 효과를 설명하는 방정식이 없어 이 같은 보완 방식이 제시됐다고 밝혔다.
이 글에 나온 것
이 글은 원문을 요약한 큐레이션입니다. 제목은 요약에 맞춰 새로 붙였습니다. 수치와 단위는 원문 표기를 유지했습니다. 전체 내용은 원 매체에서 읽어 주세요.원문: Semiconductor Engineering 「AI-Driven Device Modeling For Next Generation Quantum Applications」
Semiconductor Engineering 원문 보기 ↗