MétaCan
Menu
Retour à la cohorte
Enregistrement W2134202234 · doi:10.1109/iscas.2013.6572399

Analytic modeling of interconnect capacitance in submicron and nanometer technologies

2013· article· en· W2134202234 sur OpenAlexaff
Gholamreza Shomalnasab, Howard M. Heys, Lihong Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueLow-power high-performance VLSI design
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésCapacitanceParasitic capacitanceCapacitive sensingComputationInterconnectionElectronic engineeringVery-large-scale integrationComputer scienceParasitic extractionElectrical capacitance tomographyElectronic circuitTopology (electrical circuits)AlgorithmElectrical engineeringPhysicsEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Parasitic capacitance of interconnects in the analog and mixed-signal VLSI circuits can be modeled by using physics equations or empirical curve fitting. In this paper, we propose an analytical model for computing parasitic capacitance between interconnects on different layers or on the same layer. In our method, electric flux is approximated to model different capacitive components, which combine to determine the overall equivalent capacitance. We first derive a general template for the fringe capacitance based on fundamental electromagnetic principles, followed by a fitting technique in order to reach outstanding accuracy. Based on our approach that includes no complex operators, capacitance of typical interconnect geometries can be efficiently computed. The proposed model is verified in comparison with the extracted results derived from commercial tools. The experimental results show that our proposed method can best approach the extracted results yet with significantly reduced computation time.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,160
Écart entre enseignants0,154 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLow-power high-performance VLSI designTravaux en français237 207