AI與機器學習賦能的晶片設計與製程協同優化 陳世豪
產品編號：9786264420389
促銷 教科書搶便宜大作戰～一本就免運
促銷 [開學季]團購優惠-五南 出版社
網路價
NT${{ commaFormat(product.price_actu) }}
NT${{commaFormat(product.price_sugg)}}
專屬特惠價 NT${{ commaFormat(product.group_price) }}
優惠價
NT${{ commaFormat(product.member_price) }}
NT${{ commaFormat(product.group_price) }}
商品組合
贈品 (買就送)
{{ pItem.title }}
付款方式
轉帳/匯款/無摺存款/(至總店取貨時使用文化幣) / LinePay付款 / 超商代碼付款(綠界金流) / 信用卡一次付清(綠界金流) / AFTEE 先享後付 / [圖書專用] 7-11取貨付款(限1000~3000元訂單使用)
配送方式
7-11超商取貨 / 全家超商取貨 / 宅配到家 / 校園書局門市取貨(取貨加碼送5元折價)
超值加購
{{ pItem.title }}
型號:{{ pItem.model }}
加購價 NT${{pItem.extra_price}}
(原價NT${{pItem.price_orig}})
加購數量
已搶購一空
作 者：陳世豪
出版社別：五南
出版日期：2026/01/09(1版1刷)
ＩＳＢＮ：978-626-442-038-9
E I S B N：9786264420372
書 號：5DN8
頁 數：152
【內容】
GenAI 重塑半導體的未來
面對摩爾定律（Moore's Law）趨緩的巨大挑戰，半導體產業迫切需要新的突破點。這本書正是為了解決這個每年耗費產業數百億美元的「效率黑洞」而生。
《AI與機器學習賦能的晶片設計與製程協同優化》旨在為讀者提供一套可實踐的DTCO.ML框架，展示如何運用 Machin Learning（ML）與 Generative AI（GenAI）技術，為晶片製程注入新的加速力。掌握製程變異性並優化晶片能效，徹底擺脫耗時、昂貴的實體試產（Tape-out）試錯循環。
您將學會：透過數據驅動，將良率（Yield）提升從依賴漫長試錯轉變為可預測、可控制的快速回報（Accelerated ROI）；在每一次產品迭代中，實現顯著的能效（Energy Efficiency）飛躍；以及如何為您的團隊贏得數個月的產品上市時間（TTM）競爭優勢。
無論您是渴望提升效率的晶片設計工程師、製程研發專家，或是尋求產業「再加速」策略的管理者，本書都將為您提供經過驗證的AI 賦能策略與執行藍圖。掌握DTCO 的未來，從這裡開始。
【目錄】
推薦序
AI 驅動的半導體晶片設計能效與生產力革命
第一部分： 設計與製程協同優化（Design Technology Co-Optimization, DTCO）
第1 章 DTCO 概述與發展
1.1 為生產力而設計（Design for Productivity）的核心理念
1.2 極致能效設計方法論（Design for Ultimate Efficiency）
1.3 DTCO 的未來發展方向
第2 章 推動DTCO 的關鍵挑戰與策略
2.1 DTCO 實施面臨的主要挑戰
2.2 設計方法創新需求
2.3 生產力優化平台建置
第3 章 晶片能效與生產力優化實踐
3.1 項目啟動前的準備工作
3.2 客製化元件與時序策略（Timing Signoff Strategy）
3.3 製程優化分析技術
3.4 補償機制的設計與實施
3.5 近臨界電壓技術的需求與挑戰
第二部分：DTCO.ML ™：機器學習驅動的半導體流程優化
第4 章 機器學習與DTCO 的融合（DTCO.ML ™）
4.1 虛擬晶圓數據建模（Virtual Silicon）
4.2 迴歸模型的構建與推論
4.3 數據追蹤與產能優化的應用
第5 章 元件庫特徵萃取與分析系統（Library Metric Extraction, libMetric ™）
5.1 元件時序與功耗建模
5.2 標準元件特徵萃取（Cell Feature Extraction）
5.3 RO Simulation
5.4 標準元件庫批量PPA 基準評估
第6 章 晶片內感測器設計與整合（GRO Compiler）
6.1 目標導向的RO 設計
6.2 SPICE-Silicon 相關性分析
6.3 製程追蹤與調整
6.4 晶片內局域電壓分析
6.4.1 晶片內局域電壓分布監測
6.4.2 補償策略制定
6.4.3 動態時序餘量警示與布局
6.5 GRO 自動化工具與驗證流程
第7 章 數據分析與機器學習平台（Copernic ™）
7.1 數據標準化與可視化實踐
7.2 多維資料的跨域映射
7.3 設計流程整合策略
7.3.1 WAT-aware Timing Re-K
7.3.2 WAT-CP 映射與相關性分析
7.3.3 OCV Analysis
7.4 晶片內變異性（OCV）分析與設計餘量優化
7.5 後矽製程分析與優化（Post-Silicon Analysis and Optimization）
第8 章 晶片性能評等策略與優化（Binning-PG ™）
8.1 晶片評等與分箱策略對生產力的影響
8.2 晶片體質的分析與挑戰
8.3 分箱策略生成（Binning Policy Generation, Binning-PG ™）
8.4 策略生成自動化與優化
8.5 晶片內自分級應用（On-chip Self-binning）
第三部分：DTCO.GenAI ™：生成式AI 驅動的晶片設計創新
第9 章 生成式AI 與DTCO 融合（DTCO.GenAI ™）
9.1 傳統建模方法的局限性分析
9.2 按圖索驥：Multivariate Normal Distribution
9.3 虛擬晶片數據在DTCO 中的實際應用（DTCO.VS）
第10 章 DTCO.VS 虛擬晶圓數據生成技術（Virtual Silicon）
10.1 資料集準備
10.2 基於生成對抗網路的虛擬晶片數據（GAN-based Virtual Silicon, GAN-VS）
10.2.1 GAN 模型
10.2.2 GAN 模型性能評估
10.3 基於擴散模型的虛擬晶片數據（Diffusion Model-based Virtual Silicon, DM-VS）
10.3.1 去噪擴散概率模型（Denoising Diffusion Probabilitic Model）
10.3.2 Diffusion 模型性能評估
第11 章 Generative AI 驅動的晶片能效優化與建模
11.1 WAT 超分辨率（WAT Super Resolution, WATSR）
11.2 高效矽製程偏移建模（High-Efficiency SPICESilicon Bias Modeling, He-SSBM）
11.2.1 One-shot SPICE-Silicon N/P Correlation的設計原理
11.2.2 設計與防守策略優化
11.3 高效蒙地卡羅仿真近似（High-Fidelity Generative Monte Approximation, HΣ-GMA）
11.3.1 傳統Monte Carlo 方法的限制
11.3.2 生成式神經網路的創新應用
第12 章 結論與展望
12.1 機器學習與AI 賦能DTCO：革新晶片設計與製程優化（DTCO.ML ™）
12.2 生成式AI 驅動優化的未來趨勢（DTCO. GenAI ™）
12.3 創新EDA 開發與未來展望
附 錄
開源資源表列
參考文獻表列
專業術語表
推薦序
AI 驅動的半導體晶片設計能效與生產力革命
第一部分： 設計與製程協同優化（Design Technology Co-Optimization, DTCO）
第1 章 DTCO 概述與發展
1.1 為生產力而設計（Design for Productivity）的核心理念
1.2 極致能效設計方法論（Design for Ultimate Efficiency）
1.3 DTCO 的未來發展方向
第2 章 推動DTCO 的關鍵挑戰與策略
2.1 DTCO 實施面臨的主要挑戰
2.2 設計方法創新需求
2.3 生產力優化平台建置
第3 章 晶片能效與生產力優化實踐
3.1 項目啟動前的準備工作
3.2 客製化元件與時序策略（Timing Signoff Strategy）
3.3 製程優化分析技術
3.4 補償機制的設計與實施
3.5 近臨界電壓技術的需求與挑戰
第二部分：DTCO.ML ™：機器學習驅動的半導體流程優化
第4 章 機器學習與DTCO 的融合（DTCO.ML ™）
4.1 虛擬晶圓數據建模（Virtual Silicon）
4.2 迴歸模型的構建與推論
4.3 數據追蹤與產能優化的應用
第5 章 元件庫特徵萃取與分析系統（Library Metric Extraction, libMetric ™）
5.1 元件時序與功耗建模
5.2 標準元件特徵萃取（Cell Feature Extraction）
5.3 RO Simulation
5.4 標準元件庫批量PPA 基準評估
第6 章 晶片內感測器設計與整合（GRO Compiler）
6.1 目標導向的RO 設計
6.2 SPICE-Silicon 相關性分析
6.3 製程追蹤與調整
6.4 晶片內局域電壓分析
6.4.1 晶片內局域電壓分布監測
6.4.2 補償策略制定
6.4.3 動態時序餘量警示與布局
6.5 GRO 自動化工具與驗證流程
第7 章 數據分析與機器學習平台（Copernic ™）
7.1 數據標準化與可視化實踐
7.2 多維資料的跨域映射
7.3 設計流程整合策略
7.3.1 WAT-aware Timing Re-K
7.3.2 WAT-CP 映射與相關性分析
7.3.3 OCV Analysis
7.4 晶片內變異性（OCV）分析與設計餘量優化
7.5 後矽製程分析與優化（Post-Silicon Analysis and Optimization）
第8 章 晶片性能評等策略與優化（Binning-PG ™）
8.1 晶片評等與分箱策略對生產力的影響
8.2 晶片體質的分析與挑戰
8.3 分箱策略生成（Binning Policy Generation, Binning-PG ™）
8.4 策略生成自動化與優化
8.5 晶片內自分級應用（On-chip Self-binning）
第三部分：DTCO.GenAI ™：生成式AI 驅動的晶片設計創新
第9 章 生成式AI 與DTCO 融合（DTCO.GenAI ™）
9.1 傳統建模方法的局限性分析
9.2 按圖索驥：Multivariate Normal Distribution
9.3 虛擬晶片數據在DTCO 中的實際應用（DTCO.VS）
第10 章 DTCO.VS 虛擬晶圓數據生成技術（Virtual Silicon）
10.1 資料集準備
10.2 基於生成對抗網路的虛擬晶片數據（GAN-based Virtual Silicon, GAN-VS）
10.2.1 GAN 模型
10.2.2 GAN 模型性能評估
10.3 基於擴散模型的虛擬晶片數據（Diffusion Model-based Virtual Silicon, DM-VS）
10.3.1 去噪擴散概率模型（Denoising Diffusion Probabilitic Model）
10.3.2 Diffusion 模型性能評估
第11 章 Generative AI 驅動的晶片能效優化與建模
11.1 WAT 超分辨率（WAT Super Resolution, WATSR）
11.2 高效矽製程偏移建模（High-Efficiency SPICESilicon Bias Modeling, He-SSBM）
11.2.1 One-shot SPICE-Silicon N/P Correlation的設計原理
11.2.2 設計與防守策略優化
11.3 高效蒙地卡羅仿真近似（High-Fidelity Generative Monte Approximation, HΣ-GMA）
11.3.1 傳統Monte Carlo 方法的限制
11.3.2 生成式神經網路的創新應用
第12 章 結論與展望
12.1 機器學習與AI 賦能DTCO：革新晶片設計與製程優化（DTCO.ML ™）
12.2 生成式AI 驅動優化的未來趨勢（DTCO. GenAI ™）
12.3 創新EDA 開發與未來展望
附 錄
開源資源表列
參考文獻表列
專業術語表
【關於教科書訂購說明】
☆ 單本即有折扣，將商品放入購物車就可以看見優惠價唷！五本以上團購更便宜！加入會員訂購，還可累積購物金！
★ 若有急需用書，可先LINE私訊詢問庫存呦~
☆ 出貨時間：有現貨的，2個工作日內出貨；無現貨，約3~5個工作日 出貨
【寄送方式說明】
❶ 實體門市取貨
全台麗文校園書局皆可取貨，貨到書局將會以簡訊通知。
❷ 超商取貨
提供7-11及全家超商取貨(需先付款，無貨到付款)。
❸ 一般宅配
本公司主要與黑貓宅急便配合，送達到您指定的地址。
※當您於本網站消費交易完成後，電子發票將會以電子郵件寄給您；如需紙本發票請於下訂時於備註欄位說明。
【付款方式說明】
❶ ATM轉帳、匯款
銀行│第一銀行-三民分行
代號│007
戶名│麗文文化事業股份有限公司
帳號│704-10-051861
※實體ATM每日轉帳最高限額為3萬，若訂購金額超過3萬元，請分兩天或是使用不同的銀行帳戶轉帳。
❷ 信用卡（可分期，需負擔手續費）
凡各家銀行的VISA、MASTER、Union Pay、JCB信用卡皆可使用。
❺ 超商代碼
系統會發送繳費代碼至您的電子信箱，需自行至「超商機器ex：iBon」輸入代碼，產生繳費單後前往櫃檯繳費。
❼ 免卡分期
麗文校園購與「zingala銀角零卡」「第一資融」以及「皮路後支付」合作，讓您免用信用卡就可以購物。
如有使用上的問題，可以先與揪小編聯絡唷！。
※請注意：超過7天未付款之訂單則訂單自動失效；免卡分期訂單成立起7天內未主動聯繫亦同。
【其他說明】
❶關於出貨
1.商品為不缺貨前提下，訂單完成付款後2-4個工作天將會出貨(不含例假日及國定假日)；若商品缺貨則須等待1-2週。
2.麗文校園揪來玩保留訂單接受與否權利，若因交易條件有誤或有其他情形導致我們無法接受您的訂單，將以E-mail發送取消訂單通知給您，造成不便敬請見諒。
❷關於退貨
1.非門市現場消費享有七天猶豫期，收到商品當天往後算七天內若是決定不買，則協助不要拆封，一拆封視同願意購買。
2.若真的決定不購買商品要退貨，請聯繫我們LINE線上客服，我們會盡速為您處理。
❸關於新品瑕疵與維修保固
1.全新商品享有購買七日內，新品瑕疵的換新保障；但新品瑕疵與否，是由商品代理商或原廠所判定，麗文校園揪來玩僅能依據判定的結果給予協助。若是原廠判定非新品瑕疵則無法換新，需改為維修的方式處理。
2.新品瑕疵換新的作業時間，將依各廠商的流程而定，最快2個工作天，慢的話也可能需要到15個工作天。
3.購買超過七日後，維修服務由原廠提供。如有需要維修，麗文校園揪來玩可以代為送修，但送修如需運費時（EX:原廠沒有提供免費收件服務），則需由您負擔送修的運費（運費約為100元起，因商品大小而異）。
【華碩的維修服務】
