基于主动学习策略的晶体管关键特性优化方法及系统

本申请涉及一种基于主动学习策略的晶体管关键特性优化方法及系统，其中，方法包括：初始化晶体管的多组可调工艺参数，并通过TCAD仿真获取对应的关键特性，生成初始数据集；基于初始数据集，利用高斯过程回归构建器件性能的代理模型；从初始数据集中选取性能最优的N个样本作为父代；基于差分进化算法生成N个子代，并利用代理模型预测子代的性能及其不确定性；通过主动学习策略，选择预测性能优且不确定性强的子代进行TCAD仿真，将仿真结果加入数据集并更新代理模型，从而能够明显缩短晶体管研发周期，减少研发成本，加快产品迭代速度。