[发明专利]一种基于机器学习训练模型的器件缓冲方法

权利要求书

1.一种基于机器学习训练模型的器件缓冲方法，包括以下步骤：

1）根据每个器件物理尺寸和电学特性，对其进行区域的划分；

2）在仿真过程中，对器件的当前区域进行节点容差模型训练；

所述步骤2）进一步包括，

在仿真开始前，对训练模型进行初始化；

在仿真过程中，当器件工作偏压进入到具体的某一区域，对该器件在当前区域下进行节点容差模型训练；

3）利用训练得到的节点容差模型，判断器件能否进行缓冲；

4）利用器件缓冲做数值外插得到器件评估的近似精确解，得到器件评估结果。

2.根据权利要求1所述的基于机器学习训练模型的器件缓冲方法，其特征在于，所述步骤1）进一步包括：

根据器件评估结果得到的电压-电流特性曲线的拐点以及线性程度，对器件工作电压进行区域划分。

3.根据权利要求1所述的基于机器学习训练模型的器件缓冲方法，其特征在于，所述步骤2）进一步包括，基于精度需求和器件工作电压偏置，通过机器学习的回归算法训练得出器件的节点容差。

4.根据权利要求3所述的基于机器学习训练模型的器件缓冲方法，其特征在于，

根据用户精度级别的设置、器件参数，利用当前区域不同偏压下的器件评估结果作为训练样本，对当前器件当前区域内的节点容差模型进行回归训练，确定模型系数，得到具体的器件容差模型，进而计算得到当前区域的节点容差值。

5.根据权利要求1所述的基于机器学习训练模型的器件缓冲方法，其特征在于，所述步骤4）进一步包括：

根据节点容差判定器件能够缓冲，则利用器件缓冲做数值外插得到器件评估的近似精确解，得到器件评估结果。