Machine Learning med teknologi og ingeniørkoncept. Menneskehoved (profil) med et kredsløb inden i hjernen og Machine Learning-logoet. Selektiv fokusering
Mentor vil samarbejde med STMicroelectronics, et andet Nano 2022-medlem, for at levere design og verifikation af chips med lav effekt, power-halvledere og andre kredsløbsarkitekturer, som har brug for hurtige, nøjagtige kredsløbssimulatorer med høj kapacitet til pre-layout og post-layout kredsløb. De to virksomheder har en partnerskabshistorie med ST's Bulk CMOS, FDSOI, analog og RF, indlejret ikke-flygtig, billeddannende og bipolar CMOS-DMOS eller BCD og andre teknologier. Mentors nanometerkredsløbskontrol Analog FastSPICE-platform og analogcentreret Eldo-software dækker alle kredsløbstyper og teknologier i Nano 2022-programmet.
Mentor-ST-samarbejdet vil også omfatte karakterisering af standardceller, I / O'er og minder. Denne opgave kan skabe en flaskehals i produktionen, siger Mentor, da den karakteriserer siliciumplatforme med hundreder af celler og flere hundrede proces-, spændings- og temperaturvariabler (PVT) variabler kan forbruge tusindvis af CPU'er i flere uger og køre millioner af SPICE simuleringer. Mentors Solido Characterization Software Suite er et maskinindlæringsdrevet værktøj, der øger kapaciteten, mens der produceres nøjagtige Liberty-filer og statistiske data, siger virksomheden. Det giver også værktøjer og en designer-centreret brugergrænseflade til at kontrollere Liberty-filerne. Nye forstærkning-læringsteknikker kan udvikles under programmet for at fremme karakterisering.