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 v4.0 Release 2026 Q1。可实现覆盖多尺寸（L、W）器件数据的统一建模与电路仿真一站式流程。通过引入 MoE（Mixture of Experts）方法，软件支持用户配置多专家模型，针对不同沟道长度与器件宽度分别建模，并通过专家加权机制实现多尺寸器件特性的统一表达，能够有效刻画尺寸变化带来的电学行为差异。该功能支持主流电路仿真工具，并集成开源电路仿真引擎，可在同一建模框架下完成多尺寸 FinFET 器件的建模与电路级仿真验证。本次发布展示了多专家 MoE 方法在多尺寸器件建模与电路仿真中的应用能力。
iMoB v4.0 Release 2026 Q1全新版本介绍
iMoB v4.0 Release 2026 Q1 中，在前期iMoB的模型基础上，引入了可配置的 MoE 多专家建模框架。用户可根据器件尺寸区间或物理特性划分专家模型，为不同尺寸分别训练独立子模型；在推理阶段，通过可控的专家加权与组合机制，实现多专家输出的融合。该方式既保留了单尺寸模型对局部特性的高精度刻画能力，又避免了简单拼接或单一模型在跨尺寸场景下的精度退化问题。同时，相比直接生成一个包含全部参数的神经网络模型，多专家方式的优势还包括：其一，各个专家可以并行训练，节省训练时间；其二，扩展性更好，后续增加专家时无需对所有专家网络重新训练。模型可直接生成用于电路仿真的器件模型参数，使多尺寸器件能够在同一电路级仿真环境中一致使用，为复杂电路中多尺寸器件的协同仿真提供了可靠支撑。
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。
软件新增了面向多尺寸（L、W）器件数据的专用界面，用于统一管理与分析不同尺寸组合下的器件特性。界面支持在多种偏置与工作条件下灵活切换显示 I-V 拟合结果，直观对比模型与原始数据在不同尺寸器件上的拟合一致性。同时，引入Grid Widget 交互组件，用户可通过复选方式自由选择多个 L、W 组合，实现多尺寸器件 I-V 曲线的并行展示与对比分析，便于快速评估尺寸缩放趋势及模型在跨尺寸场景下的表现。这一界面设计显著提升了多尺寸器件建模结果的可视化效率与可控性。
导入包含不同沟道长度（L）与器件宽度（W）的器件数据或仿真数据（如 FinFET I-V 数据），并在项目中完成尺寸信息的标注与分组。
根据 L、W 尺寸区间或器件特性，手动配置多个专家模型，为不同尺寸组合分别指定训练数据与网络结构参数。
对各专家模型分别进行训练，获得针对特定尺寸范围的高精度子模型，并设置专家权重或融合策略。
通过 MoE 加权机制融合各专家输出，在多尺寸数据上进行统一验证，评估跨 L、W 组合下的拟合一致性。
在多尺寸器件界面中，利用 Grid Widget 复选多个 L、W 组合，对不同尺寸器件的 I-V拟合效果进行并行对比。
生成支持 L、W输入参数 的多尺寸Verilog-A器件模型，并自动完成netlist中对应尺寸参数的配置。
将多尺寸器件模型直接用于电路仿真，仿真数据与日志自动保存至项目文件中，支持后续分析与复现。
新增针对多尺寸器件的 MoE训练界面，支持用户对训练过程进行精细化控制。界面中可自定义设置专家（Expert）个数，并根据器件尺寸（L、W）或数据分布手动划分各专家对应的数据范围，以满足不同尺寸器件的建模需求。同时，支持配置学习率（Learning Rate）与训练轮数（Epoch），便于在精度与训练成本之间进行权衡。通过可视化与参数化结合的训练界面，用户能够直观、可控地完成多专家模型的配置与训练。
MOE 训练界面
MOE 训练界面（划分Expert）
多尺寸器件绘图界面（单个数据在Log，dy/dx上表现）
在 FinFET 多尺寸建模示例中，沟道长度 L 覆盖 10–100 nm，沟道宽度 W 覆盖 20–60 nm。模型训练阶段使用了除验证尺寸外的全部器件数据；验证阶段选取了若干未参与训练的尺寸组合（如固定 W = 22、28、40 nm 下的 L = 12、20、50、75 nm），用于评估模型在未见几何尺寸条件下的预测一致性。
该验证方式侧重于考察模型在沟道长度方向上的插值能力，同时避免与训练数据的直接重合。验证结果表明，模型在上述未见尺寸条件下仍表现出良好的预测稳定性。
下面展示GAA器件的CV建模示例。在这一示例中，沟道长度 L 覆盖 16-100 nm，沟道宽度W 覆盖 10-40nm。在下列预测结果示例中，分别展示了一组验证尺寸（W=35nm，L=100nm）和一组训练所用尺寸（W=40nm，L=100nm）的模型预测结果。可以看出，模型在沟道宽度方向/CV预测中也有良好的插值能力，能保证在未见尺寸条件下的预测稳定性。
最后，欢迎您与我们联系，进一步了解或试用iMoB v4.0 Release 2026Q1，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
