(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(65)同一申請(qǐng)的已公布的文獻(xiàn)號(hào)(30)優(yōu)先權(quán)數(shù)據(jù)2019-0256612019.02.152019-0703512019.04.02(85)PCT國(guó)際申請(qǐng)進(jìn)入國(guó)家階段日PCT/IB2020/0508542020(87)PCT國(guó)際申請(qǐng)的公布數(shù)據(jù)(73)專利權(quán)人株式會(huì)社半導(dǎo)體能源研究所地址日本神奈川縣(72)發(fā)明人小國(guó)哲平長(zhǎng)多剛福留貴浩(74)專利代理機(jī)構(gòu)北京信慧永光知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司11290專利代理師李雪春閻文君US2013006595A1,2013.01.03審查員陳瀟參數(shù)探索方法提供一種半導(dǎo)體元件的參數(shù)候補(bǔ)。參數(shù)抽出部被供應(yīng)測(cè)量數(shù)據(jù)作為數(shù)據(jù)組而抽出模型參數(shù)。電路模擬器被供應(yīng)第一網(wǎng)表，利用第一網(wǎng)表及模型參數(shù)進(jìn)行模擬，輸出第一輸出結(jié)果。分類模型學(xué)習(xí)模型參數(shù)及第一輸出結(jié)果而對(duì)模型參數(shù)進(jìn)行分類。電路模擬器被供應(yīng)第二網(wǎng)表及模型參數(shù)。神經(jīng)網(wǎng)絡(luò)被供應(yīng)要調(diào)整的變數(shù)，輸出動(dòng)作值函數(shù)而更新變數(shù)。電路模擬器利用第二網(wǎng)表及模型參數(shù)進(jìn)行模擬，在輸出的第二輸出結(jié)果不滿足21.一種利用分類模型、神經(jīng)網(wǎng)絡(luò)、參數(shù)抽出部、電路模擬器及控制部的參數(shù)探索方法，包括如下步驟：對(duì)所述參數(shù)抽出部供應(yīng)半導(dǎo)體元件的數(shù)據(jù)組的步驟；所述參數(shù)抽出部抽出所述半導(dǎo)體元件的模型參數(shù)的步驟；所述電路模擬器利用第一網(wǎng)表及所述模型參數(shù)進(jìn)行模擬而輸出第一輸出結(jié)果的步驟；所述分類模型學(xué)習(xí)所述第一輸出結(jié)果，對(duì)所述模型參數(shù)進(jìn)行分類而輸出第一模型參數(shù)的步驟；所述控制部對(duì)所述電路模擬器供應(yīng)第二網(wǎng)表及第二模型參數(shù)的步驟；所述控制部對(duì)所述神經(jīng)網(wǎng)絡(luò)供應(yīng)包括在所述第二模型參數(shù)中的第一模型參數(shù)變數(shù)的步驟；所述神經(jīng)網(wǎng)絡(luò)從所述第一模型參數(shù)變數(shù)算出第一動(dòng)作值函數(shù)Q的步驟；所述控制部利用所述第一動(dòng)作值函數(shù)Q將所述第一模型參數(shù)變數(shù)更新為第二模型參數(shù)變數(shù)而輸出第三模型參數(shù)的步驟；所述電路模擬器利用所述第二網(wǎng)表及所述第三模型參數(shù)進(jìn)行模擬而輸出第二輸出結(jié)果的步驟；所述控制部利用供應(yīng)到所述第二網(wǎng)表的收斂條件判定所述第二輸出結(jié)果的步驟；以及在將所述第二輸出結(jié)果判定為不滿足所述第二網(wǎng)表的要求特性時(shí)，所述控制部設(shè)定獎(jiǎng)勵(lì)而利用所述獎(jiǎng)勵(lì)更新所述神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)的步驟，其中，在將所述第二輸出結(jié)果判定為不滿足所述第二網(wǎng)表的要求特性時(shí)，將所述第一模型參數(shù)變數(shù)判定為所述第二網(wǎng)表的最佳候選。2.一種利用分類模型、神經(jīng)網(wǎng)絡(luò)、參數(shù)抽出部、電路模擬器及控制部的參數(shù)探索方法，包括：對(duì)所述參數(shù)抽出部供應(yīng)半導(dǎo)體元件的測(cè)量數(shù)據(jù)及包括工藝參數(shù)的數(shù)據(jù)組的步驟；所述參數(shù)抽出部抽出模型參數(shù)的步驟；所述控制部對(duì)所述電路模擬器供應(yīng)第一網(wǎng)表的步驟；所述電路模擬器利用所述模型參數(shù)及所述第一網(wǎng)表輸出第一輸出結(jié)果的步驟；所述分類模型通過(guò)學(xué)習(xí)所述模型參數(shù)及所述第一輸出結(jié)果，對(duì)所述模型參數(shù)進(jìn)行分類而輸出第一模型參數(shù)的步驟；所述控制部對(duì)所述電路模擬器供應(yīng)第二網(wǎng)表及第二模型參數(shù)的步驟；所述控制部對(duì)所述神經(jīng)網(wǎng)絡(luò)供應(yīng)包括在所述第二模型參數(shù)中的第一模型參數(shù)變數(shù)的步驟；所述神經(jīng)網(wǎng)絡(luò)從所述第一模型參數(shù)變數(shù)算出第一動(dòng)作值函數(shù)Q的步驟；所述控制部利用所述第一動(dòng)作值函數(shù)Q將所述第一模型參數(shù)變數(shù)更新為第二模型參數(shù)變數(shù)而輸出第三模型參數(shù)的步驟；所述電路模擬器利用所述第二網(wǎng)表及所述第三模型參數(shù)進(jìn)行模擬而輸出第二輸出結(jié)果的步驟；所述控制部利用供應(yīng)到所述第二網(wǎng)表的收斂條件判定所述第二輸出結(jié)果的步驟；在判定將所述第二輸出結(jié)果判定為不滿足所述第二網(wǎng)表的要求特性時(shí)，所述控制部在所述第二輸出結(jié)果接近所述收斂條件時(shí)設(shè)定較高獎(jiǎng)勵(lì)，在所述第二輸出結(jié)果遠(yuǎn)離所述收斂3條件時(shí)設(shè)定較低獎(jiǎng)勵(lì)的步驟；所述神經(jīng)網(wǎng)絡(luò)利用所述第二模型參數(shù)變數(shù)算出第二動(dòng)作值函數(shù)Q的步驟；以及所述神經(jīng)網(wǎng)絡(luò)利用所述獎(jiǎng)勵(lì)以及用所述第一動(dòng)作值函數(shù)Q及所述第二動(dòng)作值函數(shù)Q算出的誤差更新所述神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)的步驟，其中，在將所述第二輸出結(jié)果判定為滿足所述第二網(wǎng)表的要求特性時(shí)，將所述第一模型參數(shù)變數(shù)判定為第二網(wǎng)表的最佳候選。3.根據(jù)權(quán)利要求1或2所述的參數(shù)探索方法，其中所述第一網(wǎng)表包括反相器電路、源極跟隨電路和源極接地電路中的任一個(gè)或多4.根據(jù)權(quán)利要求1或2所述的參數(shù)探索方法，其中所述第一模型參數(shù)變數(shù)的數(shù)量為兩個(gè)以上。5.根據(jù)權(quán)利要求1或2所述的參數(shù)探索方法，其中所述神經(jīng)網(wǎng)絡(luò)的輸出層的單元數(shù)量為所述模型參數(shù)變數(shù)的數(shù)量的兩倍以上。6.根據(jù)權(quán)利要求1或2所述的參數(shù)探索方法，其中利用所述第一網(wǎng)表抽出的所述第一輸出結(jié)果包括泄漏電流、輸出電流、信號(hào)的上升時(shí)間和信號(hào)的下降時(shí)間中的任一個(gè)或多個(gè)。7.根據(jù)權(quán)利要求1或2所述的參數(shù)探索方法，其中用于所述第一網(wǎng)表的半導(dǎo)體元件為晶體管，所述晶體管在半導(dǎo)體層中包括金屬氧化物。4技術(shù)領(lǐng)域[0001]本發(fā)明的一個(gè)方式涉及一種利用計(jì)算機(jī)的半導(dǎo)體參數(shù)的學(xué)習(xí)方法、分類方法、選擇方法或者探索方法。[0002]注意，本發(fā)明的一個(gè)方式不局限于上述技術(shù)領(lǐng)域。作為本說(shuō)明書等中公開的本發(fā)明的一個(gè)方式的技術(shù)領(lǐng)域，例如可以舉出化學(xué)合成參數(shù)的探索等。[0003]另外，本發(fā)明的一個(gè)方式涉及一種計(jì)算機(jī)。本發(fā)明的一個(gè)方式涉及一種利用計(jì)算機(jī)探索被電子化的網(wǎng)表(netlist)的參數(shù)的方法。本發(fā)明的一個(gè)方式涉及一種參數(shù)分類方法，其中可以從半導(dǎo)體元件的數(shù)據(jù)組抽出模型參數(shù)使分類模型學(xué)習(xí)模型參數(shù)的集合而根據(jù)分類模型對(duì)模型參數(shù)進(jìn)行分類。本發(fā)明的一個(gè)方式涉及一種參數(shù)選擇方法，其中通過(guò)利用上述參數(shù)分類方法選擇適合于對(duì)象網(wǎng)表的要求特性的模型參數(shù)。本發(fā)明的一個(gè)方式涉及一種參數(shù)探索方法，其中利用強(qiáng)化學(xué)習(xí)進(jìn)行探索以便供應(yīng)到電路模擬器的網(wǎng)表的變數(shù)成為滿足網(wǎng)表的要求特性的最佳候選。背景技術(shù)[0004]使用者在進(jìn)行電路設(shè)計(jì)之前制作作為電路信息的網(wǎng)表。但是，電路信息(以下，稱為網(wǎng)表)的要求特性根據(jù)工作環(huán)境不同。為了滿足網(wǎng)表的要求特性，使用者利用電路模擬器進(jìn)行模擬。使用者一邊更新包括在網(wǎng)表中的半導(dǎo)體元件的模型參數(shù)一邊探索滿足網(wǎng)表的要求特性的模型參數(shù)的最佳候選。[0005]注意，為了利用電路模擬器進(jìn)行模擬，需要利用半導(dǎo)體元件的測(cè)量數(shù)據(jù)及工藝參數(shù)抽出合適模型參數(shù)而將該模型參數(shù)供應(yīng)到電路模擬器。為了選擇成為滿足網(wǎng)表的要求特性的最佳候選的模型參數(shù)，使用者每次更新模型參數(shù)都要進(jìn)行利用電路模擬器的電路模擬。因此，為了探索成為最佳候選的模型參數(shù)，使用者需要在每次進(jìn)行模擬時(shí)都判定電路模擬器的模擬結(jié)果。[0006]近年來(lái)，已知利用遺傳算法調(diào)整晶體管的物理模型的參數(shù)的方法。專利文獻(xiàn)1公開了利用遺傳算法調(diào)整晶體管的物理模型的參數(shù)的參數(shù)調(diào)整裝置。[0009][專利文獻(xiàn)1]日本專利申請(qǐng)公開第2005-038216號(hào)公報(bào)發(fā)明內(nèi)容[0010]發(fā)明所要解決的技術(shù)問(wèn)題[0011]在處理網(wǎng)表所包括的多個(gè)半導(dǎo)體元件的模型參數(shù)時(shí)，有使用者需要判定是是否滿足網(wǎng)表的要求特性的模型參數(shù)的問(wèn)題。[0012]例如，在網(wǎng)表包括多個(gè)半導(dǎo)體元件時(shí)，滿足網(wǎng)表的要求特性的該半導(dǎo)體元件的模型參數(shù)不局限于一個(gè)，有時(shí)存在有多個(gè)模型參數(shù)。在使用者判定模擬結(jié)果時(shí)，使用者有可能在抽出滿足要求特性的參數(shù)時(shí)將其判定為最佳值。換言之，有使用者疏忽有可能進(jìn)一步滿5足要求特性的其他模型參數(shù)的存在的問(wèn)題。因此，有電路模擬器的模擬結(jié)果的判定依賴于使用者的經(jīng)驗(yàn)的問(wèn)題。[0013]另外，即使是相同網(wǎng)表有時(shí)網(wǎng)表的要求特性也不同。例如有實(shí)現(xiàn)低功耗為目的的電路、重視工作頻率的電路或者在指定頻帶穩(wěn)定地工作的電路等。有在模型參數(shù)被固定時(shí)不能滿足網(wǎng)表的要求特性的問(wèn)題。[0014]鑒于上述問(wèn)題，本發(fā)明的一個(gè)方式的目的之一是提供一種利用計(jì)算機(jī)探索被電子化的網(wǎng)表的參數(shù)的方法。另外，本發(fā)明的一個(gè)方式的目的之一是提供一種參數(shù)分類方法，其中可以從半導(dǎo)體元件的數(shù)據(jù)組抽出模型參數(shù)使分類模型學(xué)習(xí)模型參數(shù)的集合而根據(jù)分類模型對(duì)模型參數(shù)進(jìn)行分類。另外，本發(fā)明的一個(gè)方式的目的之一是提供一種參數(shù)選擇方法，其中通過(guò)利用上述參數(shù)分類方法選擇適合于對(duì)象網(wǎng)表的要求特性的模型參數(shù)。[0015]本發(fā)明的一個(gè)方式的目的之一是提供一種參數(shù)探索方法，其中利用強(qiáng)化學(xué)習(xí)進(jìn)行探索以便供應(yīng)到電路模擬器的網(wǎng)表的變數(shù)成為滿足網(wǎng)表的要求特性的最佳候選。[0016]注意，這些目的的記載不妨礙其他目的的存在。另外，本發(fā)明的一個(gè)方式并不需要實(shí)現(xiàn)所有上述目的。上述目的以外的目的可以顯而易見(jiàn)地從說(shuō)明書、附圖、權(quán)利要求書等的描述中看出，并且可以從說(shuō)明書、附圖、權(quán)利要求書等的描述中抽取上述目的以外的目的。[0017]解決技術(shù)問(wèn)題的手段[0018]本發(fā)明的一個(gè)方式是一種利用分類模型、神經(jīng)網(wǎng)絡(luò)、參數(shù)抽出部、電路模擬器及控制部的參數(shù)探索方法。該參數(shù)探索方法包括對(duì)參數(shù)抽出部供應(yīng)半導(dǎo)體元件的數(shù)據(jù)組的步驟。另外，還包括參數(shù)抽出部抽出半導(dǎo)體元件的模型參數(shù)的步驟。另外，還包括電路模擬器利用第一網(wǎng)表及模型參數(shù)進(jìn)行模擬而輸出第一輸出結(jié)果的步驟。另外，還包括分類模型學(xué)習(xí)第一輸出結(jié)果，對(duì)模型參數(shù)進(jìn)行分類而輸出第一模型參數(shù)的步驟。另外，還包括控制部對(duì)電路模擬器供應(yīng)第二網(wǎng)表及第二模型參數(shù)的步驟。另外，還包括控制部對(duì)神經(jīng)網(wǎng)絡(luò)供應(yīng)包括在第二模型參數(shù)中的第一模型參數(shù)變數(shù)的步驟。另外，還包括神經(jīng)網(wǎng)絡(luò)從第一模型參數(shù)變數(shù)算出第一動(dòng)作值函數(shù)Q的步驟。另外，還包括控制部利用第一動(dòng)作值函數(shù)Q將第一模型參數(shù)變數(shù)更新為第二模型參數(shù)變數(shù)而輸出第三模型參數(shù)的步驟。另外，還包括電路模擬器利用第二網(wǎng)表及第三模型參數(shù)進(jìn)行模擬而輸出第二輸出結(jié)果的步驟。另外，還包括控制部利用供應(yīng)到第二網(wǎng)表的收斂條件判定第二輸出結(jié)果的步驟。另外，還包括在將第二輸出結(jié)果判定為不滿足第二網(wǎng)表的要求特性時(shí)，控制部設(shè)定獎(jiǎng)勵(lì)而利用獎(jiǎng)勵(lì)更新神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)的步驟。在將第二輸出結(jié)果判定為滿足第二網(wǎng)表的要求特性時(shí)，可以將第一模型參數(shù)變數(shù)判定為第二網(wǎng)表的最佳候選。[0019]本發(fā)明的一個(gè)方式是一種利用分類模型、神經(jīng)網(wǎng)絡(luò)、參數(shù)抽出部、電路模擬器及控制部的參數(shù)探索方法。該參數(shù)探索方法包括對(duì)參數(shù)抽出部供應(yīng)半導(dǎo)體元件的測(cè)量數(shù)據(jù)及包括工藝參數(shù)的數(shù)據(jù)組的步驟。另外，還包括參數(shù)抽出部抽出模型參數(shù)的步驟。另外，還包括控制部對(duì)電路模擬器供應(yīng)第一網(wǎng)表的步驟。另外，還包括電路模擬器利用模型參數(shù)及第一網(wǎng)表輸出第一輸出結(jié)果的步驟。另外，還包括分類模型通過(guò)學(xué)習(xí)模型參數(shù)及第一輸出結(jié)果，對(duì)模型參數(shù)進(jìn)行分類而輸出第一模型參數(shù)的步驟。另外，還包括控制部對(duì)電路模擬器供應(yīng)第二網(wǎng)表及第二模型參數(shù)的步驟。另外，還包括控制部對(duì)神經(jīng)網(wǎng)絡(luò)供應(yīng)包括在第二模型參數(shù)中的第一模型參數(shù)變數(shù)的步驟。另外，還包括神經(jīng)網(wǎng)絡(luò)從第一模型參數(shù)變數(shù)算出第一動(dòng)作值函數(shù)Q的步驟。另外，還包括控制部利用第一動(dòng)作值函數(shù)Q將第一模型參數(shù)變數(shù)更新為6第二模型參數(shù)變數(shù)而輸出第三模型參數(shù)的步驟。另外，還包括電路模擬器利用第二網(wǎng)表及第三模型參數(shù)進(jìn)行模擬而輸出第二輸出結(jié)果的步驟。另外，還包括控制部利用供應(yīng)到第二網(wǎng)表的收斂條件判定第二輸出結(jié)果的步驟。另外，還包括在將第二輸出結(jié)果判定為不滿足第二網(wǎng)表的要求特性時(shí)，控制部在第二輸出結(jié)果接近收斂條件時(shí)設(shè)定較高獎(jiǎng)勵(lì)，在第二輸出結(jié)果遠(yuǎn)離收斂條件時(shí)設(shè)定較低獎(jiǎng)勵(lì)的步驟。另外，還包括神經(jīng)網(wǎng)絡(luò)利用第二模型參數(shù)變數(shù)算出第二動(dòng)作值函數(shù)Q的步驟。另外，還包括神經(jīng)網(wǎng)絡(luò)利用上述獎(jiǎng)勵(lì)以及用第一動(dòng)作值函Q及第二動(dòng)作值函數(shù)Q算出的誤差更新神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)的步驟。在將第二輸出結(jié)果判定為滿足第二網(wǎng)表的要求特性時(shí)，將第一模型參數(shù)變數(shù)判定為第二網(wǎng)表的最佳候選。[0020]在上述結(jié)構(gòu)中，第一網(wǎng)表優(yōu)選包括反相器電路、源極跟隨電路和源極接地電路中的任一個(gè)或多個(gè)。[0021]在上述結(jié)構(gòu)中，第一模型參數(shù)變數(shù)的數(shù)量?jī)?yōu)選為兩個(gè)以上。[0022]在上述結(jié)構(gòu)中，神經(jīng)網(wǎng)絡(luò)的輸出層的單元數(shù)量?jī)?yōu)選為模型參數(shù)變數(shù)的數(shù)量的兩倍以上。[0023]在上述結(jié)構(gòu)中，利用第一網(wǎng)表抽出的第一輸出結(jié)果優(yōu)選包括泄漏電流、輸出電流、信號(hào)的上升時(shí)間和信號(hào)的下降時(shí)間中的任一個(gè)或多個(gè)。[0024]在上述結(jié)構(gòu)中，優(yōu)選的是，用于第一網(wǎng)表的半導(dǎo)體元件為晶體管，并且晶體管在半導(dǎo)體層中包括金屬氧化物。[0025]發(fā)明效果[0026]本發(fā)明的一個(gè)方式可以提供一種利用計(jì)算機(jī)探索被電子化的網(wǎng)表的參數(shù)的方法。另外，本發(fā)明的一個(gè)方式可以提供一種參數(shù)分類方法，其中可以從半導(dǎo)體元件的數(shù)據(jù)組抽出模型參數(shù)使分類模型學(xué)習(xí)模型參數(shù)的集合而根據(jù)分類模型對(duì)模型參數(shù)進(jìn)行分類。另外，本發(fā)明的一個(gè)方式可以提供一種參數(shù)選擇方法，其中通過(guò)利用上述參數(shù)分類方法選擇適合于對(duì)象網(wǎng)表的要求特性的模型參數(shù)。另外，本發(fā)明的一個(gè)方式可以提供一種參數(shù)探索系統(tǒng)，其中利用強(qiáng)化學(xué)習(xí)進(jìn)行探索以便供應(yīng)到電路模擬器的網(wǎng)表的變數(shù)成為滿足網(wǎng)表的要求特性的最佳候選。[0027]注意，本發(fā)明的一個(gè)方式的效果不局限于上述列舉的效果。上述列舉的效果并不妨礙其他效果的存在。其他效果是下面記載的在本節(jié)中未說(shuō)明的效果。本領(lǐng)域技術(shù)人員可以從說(shuō)明書或附圖等的記載導(dǎo)出并適當(dāng)?shù)爻槌鲈撛诒竟?jié)中未說(shuō)明的效果。注意，本發(fā)明的一個(gè)方式至少具有上述列舉的效果及/或其他效果中的一個(gè)效果。因此，本發(fā)明的一個(gè)方式有時(shí)不具有上述列舉的效果。[0028]附圖簡(jiǎn)要說(shuō)明[0029]圖1是說(shuō)明參數(shù)探索方法的方框圖。[0030]圖2是說(shuō)明數(shù)據(jù)組的圖。[0031]圖3是說(shuō)明參數(shù)探索方法的流程圖。[0032]圖4是說(shuō)明參數(shù)探索方法的流程圖。[0033]圖5是說(shuō)明參數(shù)探索方法的流程圖。[0034]圖6是說(shuō)明參數(shù)探索方法的流程圖。[0036]圖8是說(shuō)明神經(jīng)網(wǎng)絡(luò)的示意圖。7[0037]圖9是說(shuō)明神經(jīng)網(wǎng)絡(luò)的流程圖。[0038]圖10是說(shuō)明具有參數(shù)探索方法的參數(shù)探索裝置的方框圖。[0039]圖11是說(shuō)明記載有反相器電路的網(wǎng)表的圖。[0040]圖12是說(shuō)明使用者設(shè)定用文件的圖。[0041]圖13A、圖13B是說(shuō)明模型參數(shù)的探索結(jié)果的圖。[0042]圖14A、圖14B是說(shuō)明圖形用戶界面(GUI)的圖。[0043]實(shí)施發(fā)明的方式[0044]參照附圖對(duì)實(shí)施方式進(jìn)行詳細(xì)說(shuō)明。注意，本發(fā)明不局限于以下說(shuō)明，本領(lǐng)域技術(shù)人員可以很容易地理解一個(gè)事實(shí)就是其方式及詳細(xì)內(nèi)容在不脫離本發(fā)明的宗旨及其范圍的情況下可以被變換為各種各樣的形式。因此，本發(fā)明不應(yīng)該被解釋為僅限定在以下所示的實(shí)施方式所記載的內(nèi)容中。[0045]注意，在下面說(shuō)明的發(fā)明結(jié)構(gòu)中，在不同的附圖中共同使用相同的符號(hào)來(lái)表示相同的部分或具有相同功能的部分，而省略反復(fù)說(shuō)明。此外，當(dāng)表示具有相同功能的部分時(shí)有時(shí)使用相同的陰影線，而不特別附加附圖標(biāo)記。[0046]另外，為了便于理解，有時(shí)附圖中示出的各構(gòu)成的位置、大小及范圍等并不表示其實(shí)際的位置、大小及范圍等。因此，所公開的發(fā)明不一定局限于附圖所公開的位置、大小、范圍等。[0047](實(shí)施方式)[0048]在本發(fā)明的一個(gè)方式中，使用圖1至圖10說(shuō)明參數(shù)探索方法。[0049]該參數(shù)探索方法由在計(jì)算機(jī)中執(zhí)行的程序控制。因此，計(jì)算機(jī)也可以被換稱為具有參數(shù)探索方法的參數(shù)探索裝置。注意，關(guān)于參數(shù)探索裝置將在圖10詳細(xì)地說(shuō)明。該程序儲(chǔ)存于計(jì)算機(jī)所包括的存儲(chǔ)器(memory)或存儲(chǔ)空間(storage)。或者，儲(chǔ)存于通過(guò)網(wǎng)絡(luò)(LocalAreaNetwork(LAN:局域網(wǎng))、WideAreaNetwork(WAN:廣域網(wǎng))、因特網(wǎng)等)連接的計(jì)算機(jī)或包括數(shù)據(jù)庫(kù)的服務(wù)器計(jì)算機(jī)。[0050]參數(shù)探索方法可以利用機(jī)械學(xué)習(xí)(MachineLearning)或強(qiáng)化學(xué)習(xí)(ReinforcementLearning)探索參數(shù)的最佳候選。作為機(jī)械學(xué)習(xí)或強(qiáng)化學(xué)習(xí)的一部分處理，優(yōu)選使用人工智能(ArtificialIntelligence(AI))。在參數(shù)探索方法中，尤其可以使用人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork(ANN),以下簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò))生成輸出數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)的運(yùn)算處理利用電路(硬件)或程序(軟件)執(zhí)行。[0051]注意，神經(jīng)網(wǎng)絡(luò)是指通過(guò)學(xué)習(xí)決定神經(jīng)元間的結(jié)合強(qiáng)度并具有問(wèn)題解決能力的所有模型。神經(jīng)網(wǎng)絡(luò)包括輸入層、中間層(有時(shí)包括多個(gè)隱藏層)及輸出層。在涉及到神經(jīng)網(wǎng)絡(luò)時(shí)，有時(shí)將“根據(jù)已有的信息決定神經(jīng)元與神經(jīng)元的結(jié)合強(qiáng)度(也稱為權(quán)重系數(shù))”稱為“學(xué)[0052]首先，說(shuō)明進(jìn)行機(jī)械學(xué)習(xí)的分類模型的生成方法。分類模型通過(guò)學(xué)習(xí)半導(dǎo)體元件的模型參數(shù)來(lái)生成。分類模型對(duì)模型參數(shù)進(jìn)行分類。另外，模型參數(shù)通過(guò)對(duì)參數(shù)抽出部供應(yīng)半導(dǎo)體元件的數(shù)據(jù)組(包括測(cè)量數(shù)據(jù)或工藝參數(shù))來(lái)抽出。注意，在只使用半導(dǎo)體元件的模型參數(shù)時(shí)，有時(shí)不能充分地進(jìn)行適合于網(wǎng)表的要求特性的分類。[0053]在本發(fā)明的一個(gè)方式中，對(duì)模型參數(shù)還進(jìn)行分析。為了分析模型參數(shù)，使用模型參數(shù)及被供應(yīng)模型參數(shù)的評(píng)價(jià)用網(wǎng)表通過(guò)電路模擬器進(jìn)行模擬。在該模擬中，利用評(píng)價(jià)用網(wǎng)8clusteringofappli得的獎(jiǎng)勵(lì)總量最終成為最大的方式學(xué)習(xí)行動(dòng)a?？梢杂蓜?dòng)作值函數(shù)Q(st,a)表示在變數(shù)s數(shù)s,行動(dòng)a根據(jù)由智能體輸出到神經(jīng)網(wǎng)絡(luò)的輸出層的動(dòng)作值函數(shù)Q(s,a)9α表示要重視的是現(xiàn)在的價(jià)值還是通過(guò)行動(dòng)獲得的結(jié)果。學(xué)習(xí)率α越接近1,越重視獲得的結(jié)要重視的是現(xiàn)在的獎(jiǎng)勵(lì)還是未來(lái)的獎(jiǎng)勵(lì)。折扣率γ越接近0,越重視現(xiàn)在的獎(jiǎng)勵(lì)。折扣率γ越[0066]一般而言，在Q學(xué)習(xí)中，預(yù)先以查找表(LookUpTable(LUT))儲(chǔ)存神經(jīng)網(wǎng)絡(luò)所輸出的動(dòng)作值函數(shù)Q(s,a)的狀態(tài)s,及行動(dòng)a的組合的數(shù)據(jù)。在本發(fā)明的一個(gè)方式中，可以將查找表?yè)Q稱為動(dòng)作表(actiontable)。另外，神經(jīng)網(wǎng)絡(luò)所輸出的動(dòng)作值函數(shù)Q(s+,a)量?jī)?yōu)選為被供應(yīng)向神經(jīng)網(wǎng)絡(luò)供應(yīng)的變數(shù)s的單元數(shù)量的兩倍以上。另外，優(yōu)選在動(dòng)作表中設(shè)定相對(duì)于變數(shù)s,及行動(dòng)a的各組合的行動(dòng)。在Q學(xué)習(xí)中執(zhí)行與動(dòng)作值函數(shù)Q(s,a)成為最大值的組合相關(guān)聯(lián)的行動(dòng)。注意，動(dòng)作值函數(shù)Qmax1意味著在時(shí)刻t動(dòng)作值函數(shù)Q(s,a)成為最大值的狀態(tài)s及行動(dòng)a的組合。[0069]在Q學(xué)習(xí)中，可以將誤差E以算式(2)表示。項(xiàng)r+1表示通過(guò)時(shí)刻t中的學(xué)習(xí)而得到的獎(jiǎng)勵(lì)。項(xiàng)maxQ(st+1,a)表示根據(jù)正確標(biāo)記決定的行動(dòng)更新變數(shù)s,且由神經(jīng)網(wǎng)絡(luò)再一次算出于動(dòng)作值函數(shù)Qmax1。以以使該損失函數(shù)L的值變小的方式使用隨機(jī)梯度下降法(StochasticGradientDescent(SGD))更新神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)。除了隨機(jī)梯度下降法以外，還可以使用AdaptiveMoment[0071]變數(shù)s更新為變數(shù)st+1而再一次進(jìn)行神經(jīng)網(wǎng)絡(luò)15的計(jì)算。在Q學(xué)習(xí)中，以損失函數(shù)L盡量變小的方式反復(fù)進(jìn)行學(xué)習(xí)。[0072]接著，使用圖1說(shuō)明參數(shù)探索方法。注意，以下有時(shí)將參數(shù)探索方法換稱為參數(shù)探索裝置10來(lái)進(jìn)行說(shuō)明。[0073]參數(shù)探索裝置10包括參數(shù)抽出部11、電路模擬器12、分類模型13、控制部14及神經(jīng)網(wǎng)絡(luò)15.另外，參數(shù)探索裝置10被供應(yīng)半導(dǎo)體元件的數(shù)據(jù)組及設(shè)定文件F1,參數(shù)探索裝置10輸出輸出數(shù)據(jù)F2。參數(shù)抽出部11、電路模擬器12、分類模型13、控制部14及神經(jīng)網(wǎng)絡(luò)15被在計(jì)算機(jī)中執(zhí)行的程序控制。[0074]注意，半導(dǎo)體元件的數(shù)據(jù)組、設(shè)定文件F1及輸出數(shù)據(jù)F2優(yōu)選儲(chǔ)存在該計(jì)算機(jī)所包括的存儲(chǔ)器或存儲(chǔ)空間?；蛘?，通過(guò)網(wǎng)絡(luò)連接的計(jì)算機(jī)、包括數(shù)據(jù)庫(kù)的服務(wù)器計(jì)算機(jī)或者測(cè)定器所包括的存儲(chǔ)器或存儲(chǔ)空間中也可以儲(chǔ)存有半導(dǎo)體元件的數(shù)據(jù)組。[0075]另外，在使用參數(shù)探索裝置10探索參數(shù)時(shí)，也可以控制部14進(jìn)行工作的計(jì)算機(jī)與參數(shù)抽出部11、電路模擬器12或分類模型13進(jìn)行工作的計(jì)算機(jī)(包括服務(wù)器計(jì)算機(jī))不同。[0076]參數(shù)抽出部11被供應(yīng)半導(dǎo)體元件的測(cè)量數(shù)據(jù)或工藝參數(shù)作為數(shù)據(jù)組。另外，參數(shù)抽出部11可以加載控制部14所指示的數(shù)據(jù)組。或者，在參數(shù)抽出部11檢測(cè)出計(jì)算機(jī)的存儲(chǔ)器或存儲(chǔ)空間中的新的數(shù)據(jù)組時(shí)，參數(shù)抽出部11可以自動(dòng)地加載新的數(shù)據(jù)組。參數(shù)抽出部11從數(shù)據(jù)組抽出模型參數(shù)。[0077]電路模擬器12從控制部14被供應(yīng)評(píng)價(jià)用網(wǎng)表。關(guān)于評(píng)價(jià)用網(wǎng)表，將在圖7詳細(xì)地說(shuō)[0078]電路模擬器12使用評(píng)價(jià)用網(wǎng)表和該模型參數(shù)進(jìn)行模擬而將模擬結(jié)果作為第一輸評(píng)價(jià)用網(wǎng)表中的泄漏電流、輸出電流、信號(hào)的上升時(shí)間和信號(hào)的下降時(shí)間等中的任一個(gè)或多個(gè)。分類模型13學(xué)習(xí)模型參數(shù)及第一輸出結(jié)果而對(duì)該模型參數(shù)進(jìn)行分類。另外，在存在有多個(gè)評(píng)價(jià)用網(wǎng)表時(shí)依次更新評(píng)價(jià)用網(wǎng)表，電路模擬器12使用多個(gè)評(píng)價(jià)用網(wǎng)表輸出第一輸出結(jié)果。[0079]電路模擬器12從控制部14被供應(yīng)網(wǎng)表以及分類為適合于網(wǎng)表的要求特性的模型參數(shù)。注意，該網(wǎng)表是用來(lái)求出適合于要求特性的模型參數(shù)的電路信息。另外，該網(wǎng)表由多個(gè)半導(dǎo)體元件構(gòu)成。但是，在本發(fā)明的一個(gè)方式中，可以從該網(wǎng)表所包括的半導(dǎo)體元件選擇要調(diào)整的模型參數(shù)作為模型參數(shù)變數(shù)。[0080]另外，電路模擬器被控制部14初始化。初始化的信息由設(shè)定文件F1供應(yīng)到控制部14.設(shè)定文件F1包括模擬所需要的電源電壓的大小、模型參數(shù)的最大值及最小值、工藝參數(shù)[0081]神經(jīng)網(wǎng)絡(luò)15從控制部14被供應(yīng)模型參數(shù)變數(shù)。模型參數(shù)變數(shù)是要使用神經(jīng)網(wǎng)絡(luò)15探索最佳候選的半導(dǎo)體元件的模型參數(shù)。神經(jīng)網(wǎng)絡(luò)15將所供應(yīng)的模型參數(shù)變數(shù)作為時(shí)刻t中的變數(shù)s供應(yīng)到輸入層。神經(jīng)網(wǎng)絡(luò)15從變數(shù)st輸出動(dòng)作值函數(shù)Q(s,,a)?？刂撇?4根據(jù)動(dòng)作值函數(shù)Q(s,,a)更新模型參數(shù)變數(shù)。電路模擬器12使用網(wǎng)表以及包括被更新的模型參數(shù)變數(shù)的模型參數(shù)進(jìn)行模擬。電路模擬器12輸出第二輸出結(jié)果。[0082]控制部14判定第二輸出結(jié)果。在第二輸出結(jié)果不滿足網(wǎng)表的要求特性時(shí)，控制部對(duì)第二輸出結(jié)果設(shè)定獎(jiǎng)勵(lì)且算出損失函數(shù)。在神經(jīng)網(wǎng)絡(luò)15中，根據(jù)損失函數(shù)更新神經(jīng)網(wǎng)絡(luò)15的權(quán)重系數(shù)。另外，在第二輸出結(jié)果滿足網(wǎng)表的要求特性時(shí)，將模型參數(shù)變數(shù)判定為網(wǎng)表的最佳候選。另外，優(yōu)選對(duì)輸出數(shù)據(jù)F2輸出模型參數(shù)變數(shù)的最佳候選作為表(list)。[0083]與上述方法不同，電路模擬器12也可以從控制部14被供應(yīng)網(wǎng)表及模型參數(shù)。注意，此時(shí)的模型參數(shù)并不需要滿足網(wǎng)表的要求特性。但是，在第二輸出結(jié)果不滿足網(wǎng)表的要求特性時(shí)，使用損失函數(shù)更新神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)。另外，在電路模擬器12中，更新為由分類模型分類為滿足第二網(wǎng)表的要求特性的所述模型參數(shù)中的任一個(gè)。電路模擬器12使用范圍更寬的模型參數(shù)探索成為最佳候選的參數(shù)。[0084]圖2是說(shuō)明半導(dǎo)體元件的數(shù)據(jù)組的圖。該數(shù)據(jù)組包括半導(dǎo)體元件的測(cè)量數(shù)據(jù)DS1、測(cè)量數(shù)據(jù)DS2或工藝參數(shù)DS3。例如，半導(dǎo)體元件為晶體管、電阻器[0085]圖2示出半導(dǎo)體元件為晶體管的情況。測(cè)量數(shù)據(jù)DS1表示對(duì)晶體管的源極及漏極供應(yīng)不同固定電壓而掃描供應(yīng)到晶體管的柵極的電壓的情況。因此，測(cè)量數(shù)據(jù)DS1為橫軸表示晶體管的柵極電壓VG且縱軸表示流過(guò)晶體管的漏極的漏極電流ID的情況下的測(cè)量數(shù)據(jù)。注意，在圖2中使用圖表示出測(cè)量數(shù)據(jù)DS1,但圖表只是為了容易理解測(cè)量數(shù)據(jù)而使用的，在數(shù)據(jù)組中測(cè)量數(shù)據(jù)DS1為以數(shù)字記錄的數(shù)據(jù)。11[0086]測(cè)量數(shù)據(jù)DS2對(duì)晶體管的源極及柵極供應(yīng)不同固定電壓而掃描供應(yīng)到晶體管的漏極的電壓的情況。因此，測(cè)量數(shù)據(jù)DS2為橫軸表示晶體管的漏極電壓VD且縱軸表示流過(guò)晶體管的漏極的漏極電流ID的情況下的測(cè)量數(shù)據(jù)。注意，在圖2中使用圖表示出測(cè)量數(shù)據(jù)DS2,但圖表只是為了容易理解測(cè)量數(shù)據(jù)而使用的，在數(shù)據(jù)組中測(cè)量數(shù)據(jù)DS2為以數(shù)字記載的數(shù)據(jù)。[0087]注意，測(cè)量數(shù)據(jù)DS1或測(cè)量數(shù)據(jù)DS2優(yōu)選包括在彼此不同的條件下測(cè)量的多個(gè)測(cè)量在測(cè)量數(shù)據(jù)DS2中，作為晶體管的柵極電壓VG,優(yōu)選被供應(yīng)不同固定電壓。[0089]圖3至圖6是說(shuō)明參數(shù)探索方法的流程圖。參數(shù)探索方法包括第一處理及第二處理。在第一處理中，由參數(shù)抽出部11抽出半導(dǎo)體元件的模型參數(shù)，并且由分類模型13進(jìn)行模型參數(shù)的參數(shù)學(xué)習(xí)。在第二處理中，使用由分類模型選擇的模型參數(shù)通過(guò)Q學(xué)習(xí)探索網(wǎng)表所包括的半導(dǎo)體元件的模型參數(shù)變數(shù)的最佳候選。[0090]圖3是說(shuō)明由參數(shù)抽出部11進(jìn)行的模型參數(shù)的抽出和由分類模型13進(jìn)行的模型參數(shù)的分類的流程圖。[0091]步驟S30是控制部14進(jìn)行參數(shù)抽出部11的初始化的步驟。參數(shù)抽出部11被供應(yīng)要加載的測(cè)量數(shù)據(jù)中共通的內(nèi)容。具體而言，參數(shù)抽出部11被供應(yīng)對(duì)晶體管的源極、漏極或柵[0092]步驟S31是參數(shù)抽出部被加載包括半導(dǎo)體元件的測(cè)量數(shù)據(jù)及工藝參數(shù)等的數(shù)據(jù)組的步驟。[0093]步驟S32是參數(shù)抽出部11抽出模型參數(shù)的步驟。作為一個(gè)例子，晶體管的模型參數(shù)聲指數(shù)、遷移率或溝道長(zhǎng)度調(diào)制等物理參數(shù)，測(cè)量數(shù)據(jù)以函數(shù)式表示。使用模型參數(shù)管理的內(nèi)容優(yōu)選由使用者設(shè)定。[0094]步驟S33包括控制部14對(duì)電路模擬器12供應(yīng)評(píng)價(jià)用網(wǎng)表且對(duì)電路模擬器從參數(shù)抽出部11供應(yīng)模型參數(shù)的步驟。再者，電路模擬器12使用評(píng)價(jià)用網(wǎng)表進(jìn)行模擬。電路模擬器12將所模擬的結(jié)果作為第一輸出結(jié)果輸出。[0095]注意，評(píng)價(jià)用網(wǎng)表不局限于一個(gè)，也可以使用多種評(píng)價(jià)用網(wǎng)表。例如，評(píng)價(jià)用網(wǎng)表或放大器電路等。可以從上述評(píng)價(jià)用網(wǎng)表得到對(duì)應(yīng)于電路的特征的第一輸出結(jié)果。[0096]例如，從反相器電路得到泄漏電流、輸出電流、上升時(shí)間或下降時(shí)間等作為第一輸出結(jié)果。例如，從源極跟隨電路得到電路的輸出電流等作為第一輸出結(jié)果。從源極接地電路得到電路的泄漏電流、灌電流等作為第一輸出結(jié)果。另外，可以使用電荷泵電路、環(huán)形振蕩器電路、電流鏡電路或放大器電路等作為評(píng)價(jià)用網(wǎng)表。電荷泵電路、環(huán)形振蕩器電路、電流鏡電路或放大器電路等具有組合反相器電路、源極跟隨電路或源極接地電路的電路結(jié)構(gòu)，可以得到具有其特征與要進(jìn)行模型參數(shù)的驗(yàn)證的網(wǎng)表的要求特征近似的第一輸出結(jié)果。[0097]作為一個(gè)例子，詳細(xì)地說(shuō)明作為評(píng)價(jià)用網(wǎng)表使用的反相器電路。反相器電路既可電路只由n型晶體管構(gòu)成時(shí)，優(yōu)選在n型晶體管的半導(dǎo)體層中包括金屬氧化物。另外，在其他反相器電路中，也可以在n型晶體管的半導(dǎo)體層中包括金屬氧化物且在p型晶體管的半導(dǎo)體層中包含硅。[0098]步驟S34是通過(guò)將模型參數(shù)及第一輸出結(jié)果供應(yīng)到分類模型13而分類模型進(jìn)行學(xué)習(xí)的步驟。分類模型可以通過(guò)學(xué)習(xí)模型參數(shù)及第一輸出結(jié)果對(duì)模型參數(shù)進(jìn)行分類。[0099]步驟S35是控制部14判定分類模型13是否結(jié)束數(shù)據(jù)組的學(xué)習(xí)的步驟。在控制部14判定分類模型13結(jié)束所有數(shù)據(jù)組的學(xué)習(xí)時(shí)進(jìn)入步驟S41而在判定有還沒(méi)學(xué)習(xí)的數(shù)據(jù)組時(shí)回到步驟S31使分類模型繼續(xù)學(xué)習(xí)。[0100]圖4至圖6是說(shuō)明第二處理的流程圖。在參數(shù)探索方法的第二處理中，利用Q學(xué)習(xí)進(jìn)行參數(shù)探索。注意，為了進(jìn)行Q學(xué)習(xí)，需要使電路模擬器12及神經(jīng)網(wǎng)絡(luò)15初始化。圖4是說(shuō)明用來(lái)進(jìn)行Q學(xué)習(xí)的初始化的流程圖。[0101]步驟S41是使神經(jīng)網(wǎng)絡(luò)15初始化的步驟。神經(jīng)網(wǎng)絡(luò)15可以通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)15的權(quán)重系數(shù)加上隨機(jī)數(shù)實(shí)現(xiàn)初始化?；蛘?，神經(jīng)網(wǎng)絡(luò)15也可以加載過(guò)去進(jìn)行學(xué)習(xí)時(shí)的權(quán)重系數(shù)。[0102]步驟S42是對(duì)電路模擬器12供應(yīng)網(wǎng)表的步驟。注意，該網(wǎng)表是使用者進(jìn)行模型參數(shù)的探索的網(wǎng)表。[0103]步驟S43是控制部14將模型參數(shù)以及模型參數(shù)中要探索最佳候選的模型參數(shù)變數(shù)pt設(shè)定到電路模擬器12中的步驟?？刂撇?4可以利用分類模型的分類結(jié)果選擇適合于網(wǎng)表的要求特性的模型參數(shù)。[0104]步驟S44是將模型參數(shù)變數(shù)pt設(shè)定為神經(jīng)網(wǎng)絡(luò)15的變數(shù)s的步驟。[0105]步驟S45為作為神經(jīng)網(wǎng)絡(luò)15的輸出的動(dòng)作值函數(shù)Q(s+,a)設(shè)定動(dòng)作表的步驟。動(dòng)作值函數(shù)Q(s,a)包括對(duì)應(yīng)于神經(jīng)網(wǎng)絡(luò)15的輸出層的單元數(shù)量的多個(gè)輸出。因此，在動(dòng)作表中優(yōu)選設(shè)定對(duì)應(yīng)于動(dòng)作值函數(shù)Q(s+,a)的輸出的行動(dòng)。[0106]例如，將晶體管的溝道長(zhǎng)度記為L(zhǎng)且將溝道寬度記為W,說(shuō)明作為模型參數(shù)變數(shù)被供應(yīng)變數(shù)s(L,W)的情況。在模型參數(shù)變數(shù)為變數(shù)s(L,W)時(shí)，神經(jīng)網(wǎng)絡(luò)15的輸入單元數(shù)量?jī)?yōu)選與模型參數(shù)變數(shù)的數(shù)量相同。神經(jīng)網(wǎng)絡(luò)15的輸出單元數(shù)量?jī)?yōu)選為輸入單元數(shù)量的兩倍以上。因此，動(dòng)作值函數(shù)Q可以以動(dòng)作值函數(shù)Q(s+,a=a?至a?)的四個(gè)輸出表示。[0107]動(dòng)作值函數(shù)Q(s,a=a?至a?)分別設(shè)定不同行動(dòng)。作為對(duì)動(dòng)作值函數(shù)Q(s,at=a?至a?)給予的設(shè)定有：作為行動(dòng)a?延長(zhǎng)溝道長(zhǎng)度L;作為行動(dòng)a?縮短溝道長(zhǎng)度L;作為行動(dòng)a?延長(zhǎng)溝道寬度W;作為行動(dòng)a?縮短溝道寬度W;等。在以下說(shuō)明中，將某個(gè)變數(shù)s中的動(dòng)作值函數(shù)Q(s+,at)的最大值設(shè)定為動(dòng)作值函數(shù)Qmax1,與動(dòng)作值函數(shù)Qmax1相關(guān)聯(lián)的行動(dòng)被執(zhí)行。另外，在動(dòng)作值函數(shù)Q(s,a)包括四個(gè)以上的輸出時(shí)，可以進(jìn)行更詳細(xì)的行動(dòng)設(shè)定。[0108]另外，優(yōu)選的是，使用者可以設(shè)定能夠行動(dòng)的范圍。例如，說(shuō)明作為模型參數(shù)變數(shù)之一的溝道長(zhǎng)度L。溝道長(zhǎng)度L的可對(duì)應(yīng)的范圍根據(jù)制造裝置的規(guī)格決定。例如，在將溝道長(zhǎng)度L設(shè)定為10nm以上且lμm以下時(shí)，在縮短溝道長(zhǎng)度L的行動(dòng)連續(xù)時(shí)，有時(shí)溝道長(zhǎng)度L小于設(shè)[0109]在步驟S46,設(shè)定Q學(xué)習(xí)的獎(jiǎng)勵(lì)。該獎(jiǎng)勵(lì)在第二輸出結(jié)果不滿足收斂條件時(shí)被給予。在接近該收斂條件時(shí)給予較高獎(jiǎng)勵(lì)，在遠(yuǎn)離該收斂條件時(shí)給予較低獎(jiǎng)勵(lì)。將該獎(jiǎng)勵(lì)的高低可以根據(jù)與收斂條件之間的距離設(shè)定為固定值，也可以由使用者設(shè)定。[0110]步驟S47是設(shè)定Q學(xué)習(xí)的收斂條件的步驟。[0111]步驟S48是從供應(yīng)到神經(jīng)網(wǎng)絡(luò)15的變數(shù)s算出動(dòng)作值函數(shù)Qmax1的步驟。接著，進(jìn)入圖5的步驟S51。[0112]圖5是說(shuō)明使用Q學(xué)習(xí)的強(qiáng)化學(xué)習(xí)的流程圖。[0113]步驟S51是決定對(duì)應(yīng)于作為神經(jīng)網(wǎng)絡(luò)15的輸出的動(dòng)作值函數(shù)Qmax1的行動(dòng)的步驟。[0114]步驟S52是根據(jù)對(duì)應(yīng)于動(dòng)作值函數(shù)Qmax1的行動(dòng)將變數(shù)s更新為變數(shù)st+1的步驟。[0115]步驟S53是利用變數(shù)st+更新網(wǎng)表的模型參數(shù)變數(shù)pt的步驟。[0116]步驟S54是電路模擬器12利用網(wǎng)表及模型參數(shù)變數(shù)pt被更新的模型參數(shù)進(jìn)行模擬的步驟。電路模擬器12作為模擬結(jié)果輸出第二輸出結(jié)果。[0117]步驟S55是控制部14判定第二輸出結(jié)果是否滿足被供應(yīng)到網(wǎng)表的收斂條件的步驟。[0118]在步驟S56,在控制部14判定第二輸出結(jié)果滿足被供應(yīng)到網(wǎng)表的收斂條件時(shí)結(jié)束利用神經(jīng)網(wǎng)絡(luò)15的強(qiáng)化學(xué)習(xí)。因此，此時(shí)第二輸出結(jié)果為適合于網(wǎng)表的要求條件的最佳候選之一。另外，作為進(jìn)一步探索適合于網(wǎng)表的要求條件的參數(shù)變數(shù)的最佳候選的方法，也可以即使?jié)M足收斂條件也繼續(xù)進(jìn)行學(xué)習(xí)而不結(jié)束循環(huán)(loop)。在此情況下，可以集中地探索接近收斂條件的條件?；蛘撸梢赃M(jìn)入步驟41,利用不同隨機(jī)數(shù)使神經(jīng)網(wǎng)絡(luò)15初始化而進(jìn)行強(qiáng)化學(xué)習(xí)。或者，可以進(jìn)入步驟S41,利用不同隨[0119]步驟S57是設(shè)定Q學(xué)習(xí)的獎(jiǎng)勵(lì)的步驟。例如，步驟S57包括如下步驟：在將第二輸出結(jié)果判定為不滿足第二網(wǎng)表的要求特性時(shí)控制部在第二輸出結(jié)果接近收斂條件時(shí)設(shè)定較高獎(jiǎng)勵(lì)，在第二輸出結(jié)果遠(yuǎn)離該收斂條件時(shí)設(shè)定較低獎(jiǎng)勵(lì)。[0120]步驟S58是從供應(yīng)到神經(jīng)網(wǎng)絡(luò)15的變數(shù)st+1算出動(dòng)作值函數(shù)Qmax2的步驟。動(dòng)作值函數(shù)Qmax2對(duì)應(yīng)于變數(shù)st+1中的動(dòng)作值函數(shù)Q(st+1,at+1=a?至a?)的最大值。[0121]步驟S59是使神經(jīng)網(wǎng)絡(luò)15的權(quán)重系數(shù)初始化的步驟。該權(quán)重系數(shù)根據(jù)利用動(dòng)作值函數(shù)Qmax1、動(dòng)作值函數(shù)Qmax2及獎(jiǎng)勵(lì)所計(jì)算出的誤差E算出的損失函數(shù)更新。[0122]步驟S5A是利用從供應(yīng)到神經(jīng)網(wǎng)絡(luò)15的變數(shù)st+1算出動(dòng)作值函數(shù)Qmax1的步驟。接著，進(jìn)入圖5的步驟S51,決定作為對(duì)應(yīng)于神經(jīng)網(wǎng)絡(luò)15的輸出的動(dòng)作值函數(shù)Qmax1的行動(dòng)。[0123]圖6是說(shuō)明使用與圖5不同的Q學(xué)習(xí)的強(qiáng)化學(xué)習(xí)的流程圖。注意，在圖6中說(shuō)明與圖5不同之處，而在發(fā)明結(jié)構(gòu)(或?qū)嵤├慕Y(jié)構(gòu))中，在不同的附圖中共同使用相同的符號(hào)來(lái)表示相同的部分或具有相同功能的部分，而省略反復(fù)說(shuō)明。[0124]圖6記載有步驟S5B,在步驟S5B中根據(jù)對(duì)應(yīng)于動(dòng)作值函數(shù)Qmax1的行動(dòng)將變數(shù)s.更新為變數(shù)st+1(步驟S52),然后更新電路模擬器12的模型參數(shù)。例如，在模型參數(shù)變數(shù)通過(guò)步驟S51的行動(dòng)而超過(guò)可以行動(dòng)的范圍時(shí)，更新模型參數(shù)。注意，該模型參數(shù)優(yōu)選由分類模型13進(jìn)行分類而位于分類為適合于網(wǎng)表的要求特性的范圍內(nèi)。通過(guò)更新為該模型參數(shù)，Q學(xué)習(xí)可以進(jìn)行更寬范圍的參數(shù)探索。[0125]如上所述，在本發(fā)明的一個(gè)方式的參數(shù)探索方法中，可以從網(wǎng)表所包括的多個(gè)半導(dǎo)體元件的模型參數(shù)中選擇多個(gè)模型參數(shù)變數(shù)而探索適合于網(wǎng)表的要求特性的模型參數(shù)變數(shù)的最佳候選。[0126]另外，在參數(shù)探索方法中，通過(guò)分類模型學(xué)習(xí)分類模型從參數(shù)抽出部抽出的模型參數(shù)和利用評(píng)價(jià)用網(wǎng)表的電路模擬器的第一輸出結(jié)果，可以對(duì)適合于網(wǎng)表的要求特性的模型參數(shù)進(jìn)行分類。[0127]分類模型可以選擇適合于網(wǎng)表的要求特性的模型參數(shù)，所以高效地進(jìn)行Q學(xué)習(xí)。例如，在檢討工藝參數(shù)的條件中最佳工藝條件的情況等下，可以利用分類模型。另外，也在抽出對(duì)應(yīng)于網(wǎng)表的要求特性的模型參數(shù)時(shí)可以使用分類模型。[0128]圖7A至圖7D是說(shuō)明評(píng)價(jià)用網(wǎng)表的電路圖。評(píng)價(jià)用網(wǎng)表在電路的輸出級(jí)包括電容器64作為輸出負(fù)載。因此，評(píng)價(jià)用網(wǎng)表的輸出信號(hào)可以利用通過(guò)電容器64的充放電生成的電壓判定是否滿足評(píng)價(jià)用網(wǎng)表的要求特性。[0129]圖7A是說(shuō)明反相器電路的電路圖。反相器電路包括晶體管61、晶體管62、布線65、[0130]晶體管61的源極和漏極中的一個(gè)與布線65電連接。晶體管61的源極和漏極中的另一個(gè)與晶體管62的源極和漏極中的一個(gè)及電容器64的一個(gè)電極電連接。晶體管62的源極和漏極中的另一個(gè)與布線66電連接。電容器64的另一個(gè)電極與布線66電連接。晶體管61的柵[0131]供應(yīng)到布線SD1的信號(hào)是與供應(yīng)到布線SD2的信號(hào)相同的信號(hào)。因此，晶體管61的開啟狀態(tài)和關(guān)閉狀態(tài)與晶體管62的開啟狀態(tài)和關(guān)閉狀態(tài)互補(bǔ)性地切換。在晶體管61從關(guān)閉狀態(tài)變?yōu)殚_啟狀態(tài)時(shí)，晶體管62從開啟狀態(tài)變?yōu)殛P(guān)閉狀態(tài)。[0132]反相器電路通過(guò)利用電路模擬器進(jìn)行DC分析可以估計(jì)反相器電路的泄漏電流。另外，反相器電路通過(guò)利用電路模擬器進(jìn)行瞬態(tài)分析可以估計(jì)流過(guò)反相器電路的貫通電流的大小、工作頻率或輸出信號(hào)的上升時(shí)間及下降時(shí)間。[0133]晶體管61或晶體管62優(yōu)選在半導(dǎo)體層中包含硅。注意，晶體管62也可以在半導(dǎo)體層中包含金屬氧化物。[0134]圖7B是說(shuō)明與圖7A不同的反相器電路的電路圖。在圖7B中說(shuō)明與圖7A不同之處，而在發(fā)明結(jié)構(gòu)(或?qū)嵤├慕Y(jié)構(gòu))中，在不同的附圖中共同使用相同的符號(hào)來(lái)表示相同的部分或具有相同功能的部分，而省略反復(fù)說(shuō)明。[0135]在圖7B所示的反相器電路中，晶體管61A及晶體管62為n型晶體管。[0136]作為供應(yīng)到布線SD1的信號(hào)，供應(yīng)供應(yīng)到布線SD2的信號(hào)的反轉(zhuǎn)信號(hào)。供應(yīng)到布線SD1的信號(hào)切換晶體管61A的開啟狀態(tài)和關(guān)閉狀態(tài)。供應(yīng)到布線SD2的信號(hào)切換晶體管62的[0137]晶體管61A及晶體管62優(yōu)選在半導(dǎo)體層中包含硅?；蛘?，晶體管61A及晶體管62優(yōu)選在半導(dǎo)體層中包括金屬氧化物。[0138]圖7C是說(shuō)明源極跟隨電路的電路圖。源極跟隨電路包括晶體管61、電阻器63、布線65、布線66及布線SD1。另外，圖7C示出源極跟隨電路中的晶體管61為意，源極跟隨電路有時(shí)被用作緩沖電路(電流放大電路)。另外，在電阻器63中，作為有源負(fù)載使用晶體管或二極管。[0139]晶體管61的源極和漏極中的一個(gè)與布線65電連接。晶體管61的源極和漏極中的另一個(gè)與電阻器63的一個(gè)電極和電容器64的一個(gè)電極電連接。電阻器63的另一個(gè)電極與布線66電連接。電容器64的另一個(gè)電極與布線66電連接。晶體管61的柵極與布線SD1電連接。[0140]供應(yīng)到布線SD1的信號(hào)可以切換晶體管61的開啟狀態(tài)(強(qiáng)反轉(zhuǎn)區(qū)域)和關(guān)閉狀態(tài)(弱反轉(zhuǎn)區(qū)域)。在晶體管61通過(guò)供應(yīng)到布線SD1的信號(hào)處于開啟狀態(tài)時(shí)，供應(yīng)到電容器64的輸出電位成為從供應(yīng)到布線SD1的信號(hào)的電位降低相當(dāng)于晶體管61的閾值電壓的電位。[0141]源極跟隨電路通過(guò)利用電路模擬器進(jìn)行DC分析可以估計(jì)源極跟隨電路的偏置電流及晶體管61的閾值電壓。另外，源極跟隨電路通過(guò)利用電路模擬器進(jìn)行AC分析可以估計(jì)源極跟隨電路的頻率特性。另外，源極跟隨電路通過(guò)利用電路模擬器進(jìn)行瞬態(tài)分析可以估計(jì)流過(guò)源極跟隨電路的偏置電流的變化程度、輸出信號(hào)的上升時(shí)間及下降時(shí)間。[0142]晶體管61優(yōu)選在半導(dǎo)體層中包含硅。另外，晶體管61也可以在半導(dǎo)體層中包括金轉(zhuǎn)，可以由p型晶體管構(gòu)成源極跟隨電路。[0143]圖7D是說(shuō)明源極接地電路的電路圖。[0144]電阻器63的一個(gè)電極與布線65電連接。電阻器63的另一個(gè)電極與晶體管61的源極和漏極中的一個(gè)及電容器64的一個(gè)電極電連接。晶體管61的源極和漏極中的另一個(gè)與布線66電連接。電容器64的另一個(gè)電極與布線66電連接。晶體管61的柵極與布線SD1電連接。[0145]供應(yīng)到布線SD1的信號(hào)可以切換晶體管61的開啟狀態(tài)和關(guān)閉狀態(tài)。源極接地電路被用作放大電路。供應(yīng)到布線SD1的信號(hào)由晶體管61被放大且被用于電容器64的充放電。[0146]源極接地電路通過(guò)利用電路模擬器進(jìn)行DC分析可以估計(jì)源極接地電路的偏置電流及晶體管61的放大時(shí)的灌電流的值。另外，源極接地電路通過(guò)利用電路模擬器進(jìn)行AC分析可以估計(jì)源極接地電路的頻率特性。另外，源極接地電路通過(guò)進(jìn)行利用電路模擬器的瞬態(tài)分析可以估計(jì)流過(guò)源極接地電路的偏置電流的變化程度、對(duì)于輸入信號(hào)的放大率及晶體管61的閾值電壓的不均勻。[0147]晶體管61優(yōu)選在半導(dǎo)體層中包含硅。另外，晶體管61也可以在半導(dǎo)體層中包括金轉(zhuǎn)，可以由p型晶體管構(gòu)成源極接地電路。[0148]從圖7A至圖7D所示的評(píng)價(jià)用網(wǎng)表得到的分析結(jié)果相當(dāng)于上述的第一結(jié)果。注意，評(píng)價(jià)用網(wǎng)表不局限于圖7A至圖7D。電荷泵電路、環(huán)形振蕩器電路、電流鏡電路、放大器電路等具有組合反相器電路、源極跟隨電路或源極接地電路的電路結(jié)構(gòu)，可以得到接近于實(shí)際上要驗(yàn)證的網(wǎng)表的第一輸出結(jié)果。[0149]圖8是說(shuō)明Q學(xué)習(xí)時(shí)的神經(jīng)網(wǎng)絡(luò)15的示意圖。例如，作為神經(jīng)網(wǎng)絡(luò)15使用全連接型(FullyConnected)神經(jīng)網(wǎng)絡(luò)。注意，神經(jīng)網(wǎng)絡(luò)15不局限于全連接型。神經(jīng)網(wǎng)絡(luò)15由輸入層及隱藏層25(隱藏層25a至25m)。注意，中間層23所包括的隱藏層的數(shù)量不局限于兩層。中間層23根據(jù)需要可以包括兩層以上的隱藏層。另外，隱藏層所包括的單元數(shù)量也可以按每個(gè)隱藏層不同。如圖8所示，隱藏層所包括的單元數(shù)量相當(dāng)于隱藏層24a至24m。[0150]輸入層21被供應(yīng)作為時(shí)刻t的輸入數(shù)據(jù)的變數(shù)st。輸出層22輸出動(dòng)作值函數(shù)Q(st,a)。注意，本發(fā)明的一個(gè)方式的神經(jīng)網(wǎng)絡(luò)15的輸出單元數(shù)量?jī)?yōu)選為輸入單元數(shù)量的兩倍以上。例如，在圖8中，輸入層21包括單元21a和單元22b,并且輸出層22包括單元22a至單元a?至a?)的四個(gè)輸出表示。可選擇的行動(dòng)有a?至a的四種。動(dòng)作值函數(shù)Q(st,a)至Q(st,a2)分別與行動(dòng)1至行動(dòng)4相關(guān)聯(lián)。智能體選擇動(dòng)作值函數(shù)Q(s+,a?)至Q(s,a?)中的成為最大值的動(dòng)作值函數(shù)Qmax,與動(dòng)作值函數(shù)Qmax相關(guān)聯(lián)的行動(dòng)被執(zhí)行。[0151]一般而言，在強(qiáng)化學(xué)習(xí)的學(xué)習(xí)時(shí)，以輸出數(shù)據(jù)與監(jiān)督數(shù)據(jù)間的誤差E變小的方式更新神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)。權(quán)重系數(shù)的更新直到輸出數(shù)據(jù)與監(jiān)督數(shù)據(jù)間的誤差E成為恒定為止反復(fù)進(jìn)行。強(qiáng)化學(xué)習(xí)之一種的Q學(xué)習(xí)的學(xué)習(xí)目的是探索最佳動(dòng)作值函數(shù)Q(s,a),但是當(dāng)進(jìn)行學(xué)習(xí)時(shí)最佳動(dòng)作值函數(shù)Q(s,a)是不明確的。于是，推測(cè)下一時(shí)刻t+1的動(dòng)作值函數(shù)Q(st+1,a+1),并將rt+1+maxQ(s+1,a+1)視為監(jiān)督數(shù)據(jù)。通過(guò)將該監(jiān)督數(shù)據(jù)用于誤差E及損失[0152]圖9是說(shuō)明神經(jīng)網(wǎng)絡(luò)15的流程圖。[0153]在步驟S71,對(duì)輸入層21的單元21a供應(yīng)變數(shù)x1且對(duì)單元21b供應(yīng)變數(shù)x2而在隱藏層24進(jìn)行全連接型的第一積和運(yùn)算。也可以適當(dāng)?shù)厥棺償?shù)x1、變數(shù)x2歸一化。通過(guò)進(jìn)行該歸[0154]在步驟S72,利用隱藏層24的運(yùn)算結(jié)果在隱藏層25進(jìn)行全結(jié)合型的第二積和運(yùn)算。[0155]在步驟S73,利用隱藏層25的運(yùn)算結(jié)果在輸出層22進(jìn)行第三積和運(yùn)算。[0156]在步驟S74,選擇作為輸出層22的輸出的動(dòng)作值函數(shù)Q(s+,a?)至Q(s,a?)中的成為最大值的動(dòng)作值函數(shù)Qmax,來(lái)決定與動(dòng)作值函數(shù)Qmax相關(guān)聯(lián)的行動(dòng)。[0157]在步驟S75,根據(jù)行動(dòng)更新變數(shù)x1、變數(shù)x2,將變數(shù)x1、變數(shù)x2作為變數(shù)st+1供應(yīng)到[0158]圖10是說(shuō)明具有參數(shù)探索方法的參數(shù)探索裝置10的方框圖。[0159]參數(shù)探索裝置10包括運(yùn)算部81、存儲(chǔ)器82、輸入輸出接口83、通信裝置84及存儲(chǔ)空間85。換言之，參數(shù)探索裝置10的參數(shù)探索方法由包括參數(shù)抽出部11、電路模擬器12、分類模型13、控制部14及神經(jīng)網(wǎng)絡(luò)15的程序提供。另外，該程序儲(chǔ)存在存儲(chǔ)空間85或存儲(chǔ)器82,利用運(yùn)算部81進(jìn)行參數(shù)的探索。[0160]輸入輸出接口83電連接有顯示裝置86a、鍵盤86b等。注意，雖然圖10中未圖示，但是也可以連接有鼠標(biāo)等。[0161]通信裝置84通過(guò)網(wǎng)絡(luò)接口87與其他網(wǎng)絡(luò)(Network)電連接。另外，網(wǎng)絡(luò)接口87包括通過(guò)有線或無(wú)線的通信。該網(wǎng)絡(luò)電連接有數(shù)據(jù)庫(kù)8A、遠(yuǎn)程計(jì)算機(jī)8B及遠(yuǎn)程計(jì)算機(jī)8C等。注意，通過(guò)網(wǎng)絡(luò)電連接的數(shù)據(jù)庫(kù)8A、遠(yuǎn)程計(jì)算機(jī)8B及[0162]另外，在使用參數(shù)探索裝置10探索參數(shù)時(shí)，也可以控制部14進(jìn)行工作的計(jì)算機(jī)與參數(shù)抽出部11、電路模擬器12或分類模型13進(jìn)行工作的計(jì)算機(jī)(包括服務(wù)器計(jì)算機(jī))不同。[0163]如上所述，本發(fā)明的一個(gè)方式可以提供一種利用計(jì)算機(jī)探索被電子化的網(wǎng)表的參數(shù)的方法。通過(guò)使網(wǎng)表電子化，可以利用計(jì)算機(jī)資源對(duì)適合于網(wǎng)表的要求特性的模型參數(shù)進(jìn)行檢索。[0164]另外，本發(fā)明的一個(gè)方式可以從半導(dǎo)體元件的數(shù)據(jù)組抽出模型參數(shù)使分類模型學(xué)習(xí)模型參數(shù)的集合而根據(jù)分類模型對(duì)模型參數(shù)進(jìn)行分類。參數(shù)分類方法通過(guò)利用分類模型所分類的模型參數(shù)可以高效地對(duì)適合于網(wǎng)表的要求特性的模型參數(shù)進(jìn)行檢索。[0165]另外，在本發(fā)明的一個(gè)方式中，通過(guò)對(duì)分類模型供應(yīng)新模型參數(shù)，可以以概率提供按分類模型可進(jìn)行分類的要求特性的適應(yīng)度。因此，可以選擇合適模型參數(shù)。另外，可以提供容易選擇適合于對(duì)象網(wǎng)表的要求特性的模型參數(shù)的參數(shù)選擇方法。[0166]本發(fā)明的一個(gè)方式可以提供一種參數(shù)探索系統(tǒng)，其中利用強(qiáng)化學(xué)習(xí)進(jìn)行探索以便供應(yīng)到電路模擬器的網(wǎng)表的變數(shù)成為滿足網(wǎng)表的要求特性的最佳候選。[0167]如上所述，在參數(shù)探索系統(tǒng)中，通過(guò)組合使分類模型學(xué)習(xí)模型參數(shù)的參數(shù)學(xué)習(xí)方法、選擇適當(dāng)?shù)哪Ｐ蛥?shù)的參數(shù)選擇方法以及強(qiáng)化學(xué)習(xí)，可以提供探索滿足網(wǎng)表的要求特性的最佳候選的參數(shù)探索系統(tǒng)。[0168]如上所述，本發(fā)明的一個(gè)方式所示的結(jié)構(gòu)、方法可以與實(shí)施例所示的結(jié)構(gòu)、方法適當(dāng)?shù)亟M合而實(shí)施。實(shí)施例[0169]在本實(shí)施例中，使用本發(fā)明的一個(gè)方式的參數(shù)探索方法探索參數(shù)。以下，使用圖11至圖14詳細(xì)地說(shuō)明參數(shù)探索方法。參數(shù)抽出部11使用由路模擬12使用開源化了的ngspice或由Silvaco公司制造的SmartSpiceT。為了簡(jiǎn)化起見(jiàn)，使用圖7A所示的反相器電路作為對(duì)象的網(wǎng)表。另外，在本實(shí)施例中，假設(shè)使用分類模型13及UtmostIV抽出20個(gè)模型參數(shù)而進(jìn)行說(shuō)明。[0170]例如，圖11示出記載反相器電路的網(wǎng)表的程序代碼。在圖11中，為了說(shuō)明程序代碼，給每行的開頭加上程序的行號(hào)來(lái)進(jìn)行記載。[0171]圖11說(shuō)明在本實(shí)施例中使用的反相器電路的網(wǎng)表。[0172]在第一行中，定義進(jìn)行參數(shù)探索的模型參數(shù)變數(shù)。對(duì)使用者所設(shè)定的內(nèi)容附上下劃線以進(jìn)行區(qū)別。在本實(shí)施例中，探索晶體管的溝道寬度W1成為最佳候選的參數(shù)。在本實(shí)施例中，采用變數(shù)param_w1以便在學(xué)習(xí)時(shí)可以改變溝道寬度W1。[0173]在第二行中，采用變數(shù)param_fname以便可以選擇記載有模型參數(shù)的文件。關(guān)于變數(shù)param_fname,在圖12詳細(xì)地說(shuō)明。[0174]在第三行或第四行中，設(shè)定施加到反相器電路的電源電壓或信號(hào)。[0175]在第五行或第六行中，設(shè)定用于反相器電路的半導(dǎo)體元件及連接信息。[0176]在第七行或第八行中，設(shè)定在第五行或第六行中使用的半導(dǎo)體元件的模型。在本[0177]在第九行或第十行中，設(shè)定相對(duì)于反相器電路的要求特性的分析條件。[0178]在第九行中，利用瞬態(tài)分析將流過(guò)電源的電流的平均值(要求特性iavg)設(shè)定為探索對(duì)象。[0179]在第十行中，利用瞬態(tài)分析將信號(hào)的延遲時(shí)間(要求特性tpd)設(shè)定為探索對(duì)象。[0180]另外，說(shuō)明在本實(shí)施例中使用的模型參數(shù)的定義文件。作為一個(gè)例子，說(shuō)明定義文件level3-sample-01.lib。在本實(shí)施例中使用的模型參數(shù)以level3的形式設(shè)定。注意，晶體管的模型參數(shù)有l(wèi)evell至3等多個(gè)不同設(shè)定。使用者優(yōu)選使用所需要的level的晶體管的模[0181]圖12說(shuō)明在本實(shí)施例中使用的使用者設(shè)定用文件。[0182]在第一行中，宣告使用電路模擬器ngspice。另外，也可以使用電路模擬器[0183]在第二行中，設(shè)定電路模擬器ngspice所使用的在圖11中說(shuō)明的參考網(wǎng)表。[0184]在第三行中，設(shè)定電路模擬器ngspice的第二輸出結(jié)果的輸出目的地。[0185]在第四行中，供應(yīng)對(duì)電路模擬器ngspice供應(yīng)的能夠進(jìn)行行動(dòng)的范圍的上限值及[0186]在第五行中，設(shè)定記載有供應(yīng)到電路模擬器ngspice的模型參數(shù)的文件(例如，level3-sample-01.lib)。在本實(shí)施例中，使用記載有不同20個(gè)條件的閾值電壓VTO的模型參數(shù)進(jìn)行參數(shù)探索。[0187]在第六行及第七行中，設(shè)定對(duì)于電路模擬器ngspice所輸出的第二輸出結(jié)果的收斂條件。[0188]在第六行中，使用瞬態(tài)分析設(shè)定流過(guò)電源的電流的平均值(要求特性iavg)的收斂條件的目的值。[0189]在第七行中，使用瞬態(tài)分析設(shè)定信號(hào)的延遲時(shí)間(要求特性tpd)的收斂條件的目的值。[0190]圖13A、圖13B示出使用作為本實(shí)施例的參數(shù)探索方法探索相對(duì)于網(wǎng)表的要求特性的模型參數(shù)的結(jié)果。在橫軸中，param_w1為1意味著溝道寬度w1為lμm,param_w1為20意味著溝道寬度w1為20μm。在縱軸中，變數(shù)param_fname為0意味著閾值電壓VT0為0.00V,變數(shù)param_fname為19意味著閾值電壓VTO為0.95V。在使用各參數(shù)的電路模擬中，以越接近各要求特性其標(biāo)繪越大的方式進(jìn)行輸出。最接近目的值的參數(shù)的部分的標(biāo)繪最大。[0191]圖13A示出相對(duì)于要求特性iavg的參數(shù)的探索結(jié)果。確認(rèn)到：溝道寬度W1越小要求特性iavg越小，該參數(shù)是適合于低功耗的參數(shù)。[0192]圖13B示出相對(duì)于要求特性tad的參數(shù)的探索結(jié)果。確認(rèn)到：閾值電壓VTO越小或者要求特性tad越小，延遲時(shí)間越短。就是說(shuō)，可以探索出了適合于縮短延遲時(shí)間的模型參數(shù)。[0193]圖14A、圖14B示出組裝本實(shí)施例的GUI的一個(gè)例子。GUI100可以顯示布局表示區(qū)域110、從網(wǎng)表生成的電路結(jié)構(gòu)120、參數(shù)探索結(jié)果的實(shí)時(shí)表示130及電路模擬器的模擬結(jié)果[0194]在圖14A中，通過(guò)使用者對(duì)GUI供應(yīng)網(wǎng)表或使用者設(shè)定用文件且點(diǎn)擊開始按鈕150a,開始參數(shù)探索。在本實(shí)施例中，供應(yīng)到GUI的網(wǎng)表是反相器電路。將的輸入信號(hào)的最大振幅設(shè)定為5V。因此，將反相器電路所輸出的輸出信號(hào)的最大振幅設(shè)定[0195]每次執(zhí)行參數(shù)探索時(shí)，參數(shù)探索結(jié)果的實(shí)時(shí)表示130都被更新。在本實(shí)施例中，作為參數(shù)探索結(jié)果的實(shí)時(shí)表示130顯示通過(guò)參數(shù)探索方法探索的PMOS的溝道寬度、NMOS的溝道寬度以及對(duì)探索結(jié)果供應(yīng)的累計(jì)獎(jiǎng)勵(lì)的大小。[0196]作為電路模擬器的模擬結(jié)果140顯示利用參數(shù)探索結(jié)果進(jìn)行電路模擬的結(jié)果。在本實(shí)施例中，利用電路模擬器進(jìn)行DC分析。將輸出信號(hào)的電壓成為與輸入信號(hào)的電壓相等的2.5V設(shè)為收斂條件。另外，作為模擬結(jié)果140顯示收斂條件及模擬結(jié)果。根據(jù)收斂條件與模擬結(jié)果之差決定獎(jiǎng)勵(lì)。該神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)根