محققان در تازهترین دستاورد خود، مدل Flash-CNNCap را معرفی کردهاند که فرآیند «استخراج ظرفیت خازنی» (Capacitance Extraction) در طراحی تراشههای الکترونیکی را متحول میکند.
این مدل با تبدیل پیشبینیهای عددی به «نقشههای تصویر»، موفق شده است فرآیند استخراج دادههای پارازیتیک را تا ۱۷.۵ برابر سریعتر از روشهای کلاسیک انجام دهد. این نوآوری که با استفاده از معماری U-Net بهینه شده، نه تنها دقت بالایی در مدلسازی اتصالات دارد، بلکه به راحتی در خطلولههای طراحی صنعتی (مثل تبدیل DEF به SPEF) جای میگیرد.
این یعنی طراحی سریعتر و بهینهتر سختافزار با کمک قدرت یادگیری عمیق! 🚀
منبع: arXiv Machine Learning