在先进工艺节点下，由于设计复杂性、时序签核所需工艺角数量的增加以及统计学偏差建模的需求，Liberty 或库 (.lib) 要求变得更加严苛。这导致 .lib 特征提取的大小复杂性和数量都会增加。对这类复杂而庞大的 .lib 文件进行确认和验证是一项颇具挑战性的任务，如果未及时检测到并修复 .lib 错误，就会对成功的时序收敛构成严重威胁，甚至导致芯片失效。

本白皮书介绍如何利用使用机器学习 (ML) 技术的 Siemens EDA Solido™ 特征提取套件，加快先进工艺节点下生产高质量 .lib 的特征提取和验证速度。这些 ML 技术化解了满足现代工艺节点及其验证的严苛 .lib 要求所面临的一些基本挑战。