チューニングの壁を打ち破る: ゼロ・ハイパーパラメータで学習済み事前知識によるマルチコーナー解析

要旨：Yield Multi-Corner Analysis は、25 を超える Process-Voltage-Temperature コーナー全体で回路を検証し、各コーナーあたり N が 10^4 を超えるサンプルを持つため、組み合わせ的なシミュレーションコスト O(K imes N) を生み出します。ここで K はコーナーを表し、N はコーナーあたりのサンプル数を指します。
既存の手法には根本的なトレードオフが存在します。単純なモデルは自動化を実現しますが非線形回路には対応できず、一方で高度なAIモデルは複雑な挙動を捉える一方、設計の反復ごとに数時間のハイパーパラメータ調整を要し、チューニング障壁を生み出します。私たちは、エンジニアリングされた事前知識（すなわちモデル仕様）を、数百万の回帰タスクで事前学習された基盤モデルから得られる学習済みの事前知識に置き換えることで、この障壁を打破します。このモデルはインコンテキスト学習を実行し、チューニングや再訓練なしに各回路へ即座に適応します。そのアテンション機構は、動作条件間で共有される回路物理を特定することにより、コーナー間で知識を自動的に転移します。自動特徴選択器（1152D から 48D へ）と組み合わせることで、私たちの手法はゼロチューニングで最先端の精度（平均 MRE が 0.11% にまで低下する）に匹敵し、総検証コストを10倍超に削減します。