在GaN晶体管设计中，对GaN HEMT的建模是一个关键挑战。传统的ASM-HEMT模型虽然能够捕捉诸如热和捕获效应等多方面的行为，但在广泛的偏置条件下准确性有限。

Keysight EDA的R&D设备建模小组的研究员们正在探索一种改进的ASM-HEMT混合模型，该模型结合了测量与物理模型，并利用人工神经网络（ANN）技术，在短时间内提高宽范围S参数的拟合度。

通过在Keysight IC-CAP中使用ANN建模工具包，研究人员能够将神经网络集成到Verilog模型中，从而改进ASM-HEMT等效电路，并提高了模型的准确性。

虽然ANN方法在IC-CAP中可以与任何设备模型协同工作，但它也表明，一个模型可能无法适应所有设备。然而，这种方法可以显著减少改进和加速S参数拟合所需的时间，从数月缩短到数小时。