【企业简介】 公司专业从事特性工程，并为特定产业提供高可靠性功率半导体产品、测试服务及解决方案，，主要产品包括高压集成电路（HVIC）、绝缘栅双极型晶体管（IGBT）、功率场效应晶体管（PowerMOS）、微控制单元（MCU）、传感器（Sensor）及其集成化，主要服务包括半导体产品及其系统测试评价、系统级应用方案、高端封测线建线方案。 【需求内容】 随着集成电路设计复杂度的增加，传统的手工验证方法已经难以应对庞大的数据量和复杂的物理效应。希望引入AI模型以自动化和智能化地优化布图验证过程，提升设计效率和质量。 1、自动化验证流程：开发能够自动执行布图验证流程的AI模型，包括设计规则检查（DRC）、电气规则检查（ERC）、寄生参数提取（PEX）等关键环节。减少人工干预，提高验证效率，降低人为错误。 2、跨域协同优化：AI模型需具备多领域协同优化的能力，能够考虑IC、电路板和系统之间的相互影响，如热效应对IR drop的影响、封装方式对信号完整性的影响等。通过综合分析和优化，提升整体设计的性能和质量。 3、精确预测与诊断：AI模型应能准确预测设计中潜在的问题，并提供详细的诊断报告，指出问题所在及可能的解决方案。帮助设计师快速定位并修复问题，减少迭代次数，缩短设计周期。 4、智能化学习与迭代：AI模型应具备自我学习和迭代的能力，能够根据历史验证数据和设计经验不断优化自身性能。提升验证的准确性和效率，适应不断变化的设计需求和技术标准。 【指标内容】 1、DRC与ERC自动化验证：集成DRC和ERC验证工具于AI模型中，实现设计规则和电气规则的自动检查。支持多种设计规则文件（如PDK内的规则文件），能够识别并标记违反规则的具体位置。 2、 寄生参数提取与分析：自动提取版图中的寄生参数，并生成相应的网表或电路模型供仿真验证。支持多种寄生参数提取类型（如R+C、R+C+CC），能够准确反映实际电路的性能特性。 3、多领域协同优化：AI模型需能够综合考虑IC、电路板和系统之间的相互影响，进行跨域协同优化。集成多物理场分析和多领域协同优化算法，支持实时反馈和调整设计参数。 4、精确问题预测与诊断：通过数据分析和机器学习算法，预测设计中潜在的问题，并提供详细的诊断报告。具备强大的数据处理和分析能力，能够处理大规模设计数据，并提取出代表设计成功或失败的模式。 5、智能化学习与迭代：AI模型应能根据历史验证数据和设计经验进行自我学习和迭代，不断优化验证流程和性能。集成机器学习框架和算法库，支持在线学习和增量学习，能够持续适应新的设计需求和技术标准。