慕尼黑工业大学用神经网络模型加速3nm纳米片SPICE仿真
慕尼黑工业大学发表论文，为3nm纳米片器件构建神经网络晶体管模型，用于标准单元库表征并与工业标准BSIM-CMG紧凑模型对比。在大量电路上，该模型延迟误差低于0.11%、总功耗误差0.76%，标准单元库表征耗时最多减少8倍。研究还给出神经网络规模与电路仿真精度关系的指导信息。论文以预印本形式发布于arXiv，时间为2026年10月。
NEWS / 动态
#论文/研究
按时间浏览，使用右上角筛选切换领域。
Semiconductor EngineeringAI 评分6767
IEEE TCAD精选AI 评分6262 研究提出基于先验知识分解与机器学习优化的毫米波 CMOS 功放全自动原理图与版图设计方法
研究提出一种毫米波 CMOS 功率放大器全自动设计方法，先用先验知识引导的分解把整个电路拆成多个可优化子问题，再借助机器学习辅助优化（MLAO）依次迭代求解。其中多分支 MLAO（MB-MLAO）算法用于片上变压器，以实现宽带匹配和高保真阻抗合成。对覆盖 17–41 GHz 的五个功放设计案例，后版图仿真结果显示该方法在保持较高 PPA 的同时明显加快设计流程。原文仅提供摘要，未给出具体工艺节点、对比基线与量化加速数据。
推荐理由：论文给出毫米波 CMOS 功放的分解式自动化流程，可用于比较机器学习辅助优化与传统固定拓扑设计的差异。
中国科学院计算技术研究所精选AI 评分7676 
计算所等联合在 ICLR 2026 发表 CircuitNet 3.0 开源数据集
计算所李华伟-穆嘉楠课题组联合香港中文大学、北京大学在 ICLR 2026 发表论文，提出面向 AI 驱动芯片设计的开源数据集 CircuitNet 3.0。该数据集以 8,659 个通过综合与仿真验证的开源 RTL 设计为基础，经工业级 EDA 流程生成超过 15,000 个设计实例，覆盖 RTL、门级网表到物理布局阶段，每个样本含 RTL 代码与文本描述、结构化图表示和版图图像，并配套经 EDA 流程验证的时序与功耗指标。
推荐理由：论文给出 CircuitNet 3.0 的构建流程与跨阶段多模态数据，可用于比较 AI for EDA 时序与功耗预测的数据条件。
Aniah 电气验证与AI技术文章 官方动态AI 评分2222 为什么模拟设计的 AI 需要超越网表的上下文：Aniah 的白皮书解析
Aniah 发布白皮书，阐述模拟与混合信号验证中 AI 不能只依赖原始网表，因为网表只描述连接关系，不包含设计意图、电源域、工作模式和系统约束。其方法基于确定性语义重建、根因聚类和 System Conditional Analysis（SysCon），将原始电路数据转化为经过验证、具备因果依据的模型。
IEEE TCAD精选AI 评分7171 TopoSizing：面向 AMS 电路的 LLM 辅助拓扑理解与尺寸设计框架
研究提出 TopoSizing 端到端框架，直接从原始网表理解模拟与混合信号电路，并把理解结果转化为优化收益。方法先用图算法把电路组织为器件、模块、级的分层表示，再由 LLM 智能体执行假设、验证、修正的迭代循环并做一致性检查，生成显式标注；验证后的洞见通过 LLM 引导的初始采样和停滞触发的信赖域更新接入贝叶斯优化。在 55nm CMOS 工艺的 OTA、FC-OTA、StrongArm 锁存比较器和 LDO 四类真实电路上。
推荐理由：该框架把大模型智能体与贝叶斯优化结合，用于从原始网表理解模拟电路并完成尺寸设计，摘要给出四类电路上的效率与调用次数对比。
IEEE TCAD精选AI 评分6262 DIONet3D：面向3D IC IR drop预测的双输入双输出深度神经网络
论文提出DIONet3D，一种面向3D IC IR drop预测的双输入双输出神经网络，同时接收上下两层裸片的特征图，经U-Net结构共享主干后同时输出两层裸片的IR drop图。为建模3D供电效应，作者引入物理引导的3D增强PDN表示，用高斯核平滑把平面PDN条带转为空间连续特征，并编码垂直混合键合（HB）/硅通孔（TSV）连接以刻画跨裸片供电。方法还采用多损失函数动态加权的复合损失以平衡多任务收敛。实验称其优于现有CNN方法并具较好泛化性，与商用EDA仿真工具相比结构及空间相似度高，CPU推理下运行速度最高提升309倍、内存降低89倍。摘要未给出具体设计规模、工艺与基线细节。
推荐理由：论文给出双输入双输出网络与物理引导的3D PDN表示，可用于比较3D IC IR drop预测的代理模型方案。
FOSSi FoundationAI 评分2222 
El Correo Libre 第92期：Advent of FPGA 竞赛、COSMIC 安全飞地项目与 FuseSoC 新增 SPDX 支持
Jane Street 工程师 Anish Singhani 发起 Advent of FPGA 竞赛，要求用可综合硬件解决 Advent of Code 2025 题目，提交截止 2026 年 1 月 16 日，奖品含 UltraScale+ FPGA 开发板。