LLM Agent驅動TCAD模擬校準工作流程公開：氧化物半導體誤差降低14.3倍

2026年9月14日，研究團隊公開了一套運用人工智慧Agent自動化執行半導體元件模擬（TCAD）校準的工作流程。應用於底閘極銦鎢氧化物（BG-IWO）電晶體時，僅透過5次更新即將多指標目標誤差降低14.3倍，為大幅縮短次世代氧化物半導體模型開發週期提供了突破口。

背景

半導體是電導率介於導體與絕緣體之間的物質，可透過添加雜質的摻雜（doping）程序來調節其導電特性。當同一晶體內不同摻雜濃度的區域相遇時，會形成半導體接面。半導體元件泛指微晶片與電腦處理器等具備複雜結構的裝置。

在設計新型氧化物半導體時，必須透過基於物理學的TCAD（科技電腦輔助設計）模擬，將模擬結果與實際測量的傳輸特性進行校準。傳統校準方式高度依賴專家人工操作，但由於多種物理模型與參數組合皆可能產生相同的測量曲線，經常面臨模型模糊性高、難以確定的難題。

為解決這項瓶頸，Gyujun Jeong 與 Shimeng Yu 等 14 名研究人員於 2026 年 9 月 14 日發表預印本論文（arXiv:2609.12184v2），提出結合大型語言模型（LLM）Agent 與 Sentaurus 模擬器的自動化校準工作流程，並成功在底閘極銦鎢氧化物（BG-IWO）電晶體上完成驗證。

關鍵數據

論文中公佈的核心數據與實驗結果如下：

• 公開日期：2026年9月14日（arXiv v2 預印本）
• 研究團隊：Gyujun Jeong、Shimeng Yu 等 14 名研究人員
• 測試元件：底閘極銦鎢氧化物（BG-IWO）電晶體
• 採用工具：大型語言模型（LLM）Agent 及 Sentaurus 模擬器
• 目標值（J）改善效果：經 5 次更新後，多指標目標誤差降低 14.3 倍
• 誤差減少率計算：相較初始誤差，顯著減少了 $(1 - 1 \div 14.3) \times 100 \approx 93.01\%$ 的誤差

跨電壓與尺寸變化的最大誤差驗證數據如下：

影響與改變

該工作流程由 LLM Agent 主導整體運作。研究團隊於論文摘要中指出：「在 LLM Agent 協調工作流程的同時，由 Sentaurus 負責元件物理學。」系統僅會篩選並採納能夠實質降低誤差的參數建議。

在 2% 鎢（W）濃度的 BG-IWO 電晶體試驗中，Agent 僅進行 5 次參數修正即建構出物理上合理的固定模型。這意味著半導體工程師可大幅減少人工耗費在模擬校準上的時間，進而加速整體元件開發流程。

此外，實驗證明該模型不僅具備單一特性的局部擬合能力，在汲極電壓與通道長度等幾何結構改變時仍保有優異的精密性與模型可轉移性。

未來展望

截至 2026 年 9 月 14 日，研究團隊公開的論文已正式提交至 IEEE 旗下期刊進行審查，最終發表結果需視同行評審（Peer review）情況而定。

研究團隊同步進行了鎢（W）組成比例測試，完成製程敏感度分析。團隊規劃未來將繼續擴展此自動化工作流程至更多新興氧化物半導體元件模型的開發中。論文是否通過期刊同行審查，將是該技術推廣應用的關鍵下一階段。

來源

1. Agentic TCAD Calibration Workflow for Oxide Semiconductor Transistors — arXiv cs.AI 신규 논문
2. Semiconductor — Wikipedia (en)