随着物联网、人工智能和5G等新兴技术的迅猛发展，集成电路正向小型化、高频率和高功率的方向加速。与此同时，新材料和新结构的涌现，推动了半导体领域的创新，但目前仍然缺乏完善的器件模型和有效的验证手段来评估这些新材料在电路中的性能，这使得快速建立相应的器件模型变得尤为紧迫。
在前期iMoB基础上，无锡北京大学电子设计自动化研究院研发推出了iMoB v3.0 Release
2025
Q2。可实现从数据到建模再到电路仿真的一站式解决方案，支持多个电路仿真工具，并集成了开源的电路仿真工具。可大大加速材料数据到电路模型的转换过程从而加速新材料在实际应用中的开发和部署。此次发布中，我们以仿真获得的FinFET数据为例，详细介绍了使用iMoB进行器件建模和电路仿真的新功能。
iMoB v3.0 Release 2025 Q2全新版本介绍
iMoB v3.0 Release 2025 Q2
中，在前期iMoB的I-V模型基础上，集成了C-V模型从数据到建模再到电路仿真的一站式解决方案。新增C-V模型DC仿真功能，可精确模拟器件电容随电压的变化特性，支持C-Vgs（栅压） 和 C-Vds（漏压）
曲线仿真。新增环形振荡器瞬态仿真模块，为C-V模型提供动态验证平台，确保模型在电路级应用中的收敛性和时序准确性。
在神经网络构建功能中，我们引入了可视化选项卡与结构图展示，该方法显著提升了交互性与可视化效果，使用户在设置每一层参数（如激活函数、神经元数量、输入输出等）时，能够实时看到对应的网络结构图，并支持交互式地添加、删除或修改网络层，显著提升了使用的灵活性与直观性，降低了学习门槛，也更方便调试与验证结构设计的合理性。
iMoB v3.0 Release 2025 Q2 提供7nm节点-FinFET样例数据、C-V仿真网表及环形振荡器仿真网表。
采用可视化选项卡界面进行神经网络的设计，帮助用户更方便灵活地构建自定义神经网络。用户可通过选项卡逐步配置各层参数（如输入输出、激活函数、优化器等），软件会自动生成网络结构图，直观展示层级与连接关系。支持交互式调整网络结构，方便快速尝试和优化模型。该功能对器件建模等非编程用户友好，同时也提升了开发者的建模效率与灵活性。
采用选项卡设置神经网络训练，用户通过选项卡设置机器学习训练的参数（例如：训练次数、学习率、损失函数等等），此外，iMoB将训练过程可视化，实时监测训练过程中训练集和测试集的精度。
加载脚本模板，iMoB
为用户提供了人工神经网络训练脚本的模板示例，保留了与数据加载、输入输出等相关的基本结构，便于用户了解整体流程，用户可基于现有模板进行自定义扩展与修改，以适配特定建模需求。
加载脚本模板，iMoB
为用户提供了人工神经网络训练脚本的模板示例，保留了与数据加载、输入输出等相关的基本结构，便于用户了解整体流程，用户可基于现有模板进行自定义扩展与修改，以适配特定建模需求。
加载自定义脚本文件，用户可配置本地编辑器编辑脚本导入iMoB进行训练。
用户导入测试数据，训练完成后，可一键生成Verilog-A文件，用于SPICE仿真。
新建网表时用户可调控选项卡选择模型文件、输出文件，生成的网表模板将包含上述信息，无需用户手动添加。
模型和网表完成后，可进行一站式SPICE仿真，默认采用ngspice,同样支持用户配置其他仿真器进行仿真。
使用训练生成的模型进行C-V、反相器和环形振荡器瞬态仿真。仿真结果采用开源工具gnuplot进行画图，如下所示：
最后，欢迎您与我们联系，进一步了解或试用iMoB v3.0 Release 2025
Q2，如果您有器件模型开发的需求，欢迎联系我们，我们会提供为您定制的器件模型开发及一站式器件参数提取服务。
digital_eda@pkueda.org.cn
