集成电路的器件模型在集成电路工业中扮演着极其重要的角色。模型参数提取又是器件建模中极为关键的一个必须的步骤。集成电路发明成功之后几十年来,随着工艺水平的飞速发展,集成电路器件的尺寸变得越来越小,新型的器件层出不穷,器件所在的物理环境和寄生效应变得越来越不能被忽略,因此,器件的模型也正变得越来越复杂,这给电路优化和参数提取的方法提出了新的挑战。传统电路优化和电路参数提取方法在如此复杂的问题面前表现得越发乏力。集成电路工业的飞速发展,使得人们可用的计算能力也获得了大幅提升。得益于计算能力的提升,一些基于反向传播的算法近年来在一些其他的领域的优化问题上取得了突破性的成功。在此背景下,我们试图将一些反向传播类的算法应用到电路优化和电路的参数提取这样的问题中来,试图得到一种更有效的电路优化、电路参数提取的方法。本文工作主要在以下几个方面做出了贡献:1)提出并证实了反向传播类算法应用于当前许多的电路优化、参数提取问题较一些不使用梯度信息的传统方法更有优势。2)设计并实现了一个开源的且高度可扩展的可以提供参数信息的集成电路仿真工具,解决了现有仿真工具不能提供梯度的问题,架起了一座沟通梯度算法和集成电路问题的桥梁,为基于梯度的优化算法在电路优化和参数提取的算法的研究提供了一个平台。3)基于SCS语言规范定义了一套网单描述语言,扩展了SCS语言规范,将抽象的优化指令融入到了SCS语言规则中,这使得电路参数提取的算法可以制作成电路仿真工具的标准化的插件来工作,而不再需要作为单独的需要反复调用仿真器的独立程序,简化了相关优化算法的开发流程。相比之前非梯度的方法和差分方法,使用本文的仿真工具和提参方法,效率可以取得很大提升。在模型复杂程度越高的问题上提升越显著。