DeepRWCapは、IC設計のためのキャパシタンス抽出におけるMonte Carloランダムウォーク手法を用いた新しいアプローチです。この手法は、密に集積された構造を持つ現代の半導体技術での高コントラストダイレクト材の遷移域の無偏サンプリングに関する課題を解決するために、機械学習を活用しています。DeepRWCapは、歩行の各ステップを導くために必要な遷移量を予測する二段階のニューラルアーキテクチャを用い、3D畳み込みネットワークと2Dの深さ分離可能な畳み込みを組み合わせることで、ダイレクト相互作用をより正確にモデリングします。この技術は、100,000の手続き的に生成されたダイレクト配置で訓練され、自己キャパシタンスの推定において商業ソルバーと比較して平均1.24%の誤差を達成しました。また、従来の方法よりも平均23%の速度向上を実現し、特に複雑な設計に対しては49%の加速を達成しています。