Keysight 運用 Hybrid ANN 延伸 BSIM-BULK 模型，解決 4K 低溫電子設計驗證難題
為何重要
這項技術解決了量子硬體發展中「冷電子學」的關鍵設計工具缺口，讓工程師無需從頭建立複雜的低溫物理方程式，即可透過結合物理模型與機器學習來推演殘差行為。隨著量子處理器規模擴大，控制迴路必須更靠近位元運作，此解決方案將直接促進讀取電路與低噪聲放大器的設計效率，是從研究階段邁向實體系統整合的重要一步。
隨著量子運算系統雲端佈署與模擬突破，位於接近絕對零度（4K）的控制與讀取電子電路設計已成為瓶頸。Keysight 提出使用混合式人工神經網路（Hybrid ANN）的工作流程，將傳統標準 BSIM-BULK 模型延伸至 4K 環境，並輸出為工程師可直接使用的 Verilog-A 格式，以大幅縮短裝置建模的工程時間。