概要 - データシートからの自動HEMTモデル構築：多様な知能と事前知識なしの最適化を通じて

データシートからの自動HEMTモデル構築：多様な知能と事前知識なしの最適化を通じて

2025-07-29 01:50:29

{"Yuang Peng","Jiarui Zhong","Yang Zhang","Hong Cai Chen"}

{cs.AR}

この論文は、PDFデータシートから高精度なASM-HEMT SPICEモデルを生成するための新しい、エンドツーエンドの自動化フレームワークを提案します。このフレームワークは、データの稀少さと高次元パラメータ適合の課題を解決するために、高度な人工知能技術を統合しています。 このフレームワークは以下の2つの主要コンポーネントから成り立っています： 1. **統一多様なデータシート情報抽出フレームワーク**：このコンポーネントは、コンピュータビジョンと大規模な言語モデル（LLM）を組み合わせて、複雑なデータシートレイアウトを強固にパースします。テキスト、テーブル、グラフ曲線からの多様なデータを抽出し、モデル構築に必要な情報の完全性を確保します。 2. **反復焦点TPE（IF-TPE）最適化アルゴリズム**：このアルゴリズムは、高次元、稀少データ条件下のデバイスパラメータ抽出に特化しています。パラメータ検索空間を適応的に精査することで、高い精度の解に急速に到達することができます。 フレームワークは以下の2つのステップのワークフローよりなります： 1. **データ処理と抽出**：このステップでは、データシートPDF文書のパース、多様な情報の識別と分離、グラフ曲線のデジタル化が行われます。抽出されたデータは、後続の分析のために構造化されたデータベースに保存されます。 2. **パラメータ最適化**：このステップでは、抽出されたデータを最適化ターゲットとして使用します。IF-TPEアルゴリズムは、物理制約のある事前定義の高次元パラメータ空間内で全局最適化を実行し、シミュレーション結果と実験データの間のエラーを最小化する最適パラメータ群を見つけます。 提案されたフレームワークは、10の異なるメーカーからの17の商業的なHEMTデバイスの多様なデータセットで確認されました。結果は、生成されたモデルが元のデータシートの特徴と非常に一致することを示しており、フレームワークの精度、堅牢性、実用性を確認しました。 この研究の主要な貢献は以下の通りです： * **統一多様なデータシート情報抽出フレームワーク**：このフレームワークは、複雑なデータシートレイアウトを効果的にパースし、多様なデータを抽出し、モデル構築に必要な情報の完全性を確保します。 * **反復焦点TPE（IF-TPE）最適化アルゴリズム**：このアルゴリズムは、高次元、稀少データ条件下のパラメータ抽出問題を効率的に解決し、高い精度の解に急速に到達することができます。 * **データシートからSPICEモデルまでの初めての完全自動化ワークフローアルゴリズム**：このフレームワークは、データシートからSPICEモデルまでの完全な自動化、エンドツーエンドのワークフローを提供し、デバイスモデリングに必要な時間と労力を大幅に削減します。 提案されたフレームワークは、デバイスモデリングに対する革新的なアプローチを提供し、手動のパラメータ抽出が必要ないことを理由に、回路設計サイクルを大幅に加速することを目指しています。