这使得他们能够快速创建设计原型并迭代设计，迅速预测针对不同工作条件的性能，在构建硬件之前进行优化（这通常是一个成本高昂且资源密集的过程），更快、更有效地分析和优化设计，以加速项目的成功完成。总而言之，仿真使得设计者能够先于硬件部署实现设计和优化，避免更高的成本或消耗更大的资源。
应对设计复杂性
尽管仿真工具持续进化，提供了众多改进，但工程师们面临的挑战仍日益加剧。全世界都期待电子和半导体领域的创新者能够解决当下的难题，由此让系统设计变得愈发复杂；性能预期不断提高，设计裕量不断缩小，上市时间压力也持续增大。
特别是，当前的电源设计正越来越多地转向更别的架构，包括高效拓扑和数字电源。因此，工程师们现在希望通过人工智能进行更大量的数字仿真，以推动日益复杂的设计以及电源和射频工作。
仿真工具的改进
诚然，如今许多工程师之所以能享受到仿真器功能的一些提升，得益于他们桌面台式计算机更强大的计算能力；其中的关键进展包括可提供高存储密度和快速响应的固态硬盘、普遍更快的处理器，以及特别是GPU的采用。这种向异构处理的转变已成为行业内的普遍趋势。在SPICE引擎中，它们实现了数据渲染时间近10万倍的加速，从而使工具能够快速、准确地在屏幕上显示结果。现在，显示波形中的每个数据点已成为可能；而在过去，如此详细程度的渲染是不可能做到的。
另一方面，仿真工具本身也经历了一系列内在的强化，包括SPICE建模引擎的改进，确保了更高的准确性以及增强的功率与模拟仿真能力。
此外，还有一些显著的错误得到修复；某些商业工具中包含的执行错误，可以追溯到原始伯克利SPICE软件的代码，而这些错误会导致半导体器件的I-V曲线出现不连续。Qorvo开发的QSPICE?电路仿真器修正了这些错误，释放了SPICE引擎用于模拟电路仿真的真正实力。现在，随着这些不连续性的消除，仿真可以更加准确和可靠地完成——这是迈向更高速、更可靠仿真的重要一步。
图1，改进的I-V曲线
全新的数字功能
同样令人耳目一新的是QSPICE应对海量数字电路的仿真能力，这使得处理原理图捕获，以及编译和运行数字代码成为可能。这些功能通常在易于获取且价格适中的工具中并不常见，更不用说工具了。过去，SPICE工具纯粹针对模拟电路仿真；而如今，只需点击一个按钮就可以编译Verilog或C++代码，并快速同时运行高速数字仿真与模拟仿真。
这有助于克服一些利用人工智能（AI）和机器学习（ML）开发应用时遇到的挑战。工程师可将开源RISC-V处理器的代码库加载到QSPICE代码模块中进行编译。随后，他们可以加载在RISC-V上运行的TinyML算法代码，并将其与电机驱动器和电机模型一起进行仿真，实现模拟仿真的同步运行。
另一个例子涉及实现更高效电池充电或化充电周期次数的系统开发。如今，我们可以将电池模型加入仿真并快速运行机器学习算法。因此，无需构建物理测试台，或处理大型电机或电池实验带来的额外顾虑，就能解决电源设计难题。
此外，时间步长控制的可能性进一步扩大了设计师应对电源设计挑战的范围。时间步长控制有助于准确、高效地仿真电力电子电路，助力设计人员深入洞悉快速开关事件、非线性，及动态行为。
借助时间步长控制，仿真可以在关键事件中自动调整为更小的时间间隔，来捕捉动态响应，或噪声及纹波效应。它有助于分析系统的瞬态响应或开关波形的快速上升和下降时间。在较慢变化周期设置较大的时间步长固然可以降低计算成本，然而在快速开关事件期间灵活使用较小的时间步长可以获得更高的精度。
图2a，功率损耗与时间步长电路
图2b和图2c，功率损耗与时间步长
满足精度要求
需要仿真的系统日趋复杂，对分析的需求也在不断增强；其中，功率分析便是一个尤为相关的例子。无论是从产品性能的角度，还是在可持续发展的维度来看，功耗都至关重要——它影响着电动汽车（EV）的续航里程、无绳工具的运行时间、每瓦特可再生能源成本等诸多指标。目前，许多设备的功耗已达到纳安级别。因此，除了精度之外，实现合适的分辨率也极具挑战性。
更贴近现实
虽然复杂性和精度等问题持续带来挑战，但有些需求始终如一——用户希望仿真结果尽可能接近真实情况，而工具开发人员也始终致力于这一目标的达成。
这一切的实现，都要求避免对存储和仿真执行时间等系统资源提出过高需求。QSPICE仿真器可以高速执行数字仿真，因为描述数字逻辑的Verilog或C++源代码已编译成原生桌面处理器目标代码。
结论 电路仿真技术已取得了长足的进步，但它将始终追逐着一个不仅在前行，并且在持续加速的目标；这场旅程永无止境，进步本身也在不断自我推动。工具助力技术的发展，这些发展的成果——特别是速度更快、效率更高的处理器——则能够进一步改善建模过程。如今，随着大规模数字仿真功能的加入，以及对SPICE引擎准确性的提升和整体性的改进，诸如QSPICE仿真器这样的工具已经准备好为电源转换、电动汽车和人工智能等领域的前沿项目带来支持。
