近年来，基于SPICE的模拟器的仿真结果已经非常接近于实际特性。在某些情况下，将其作为一种现实的理想特性，调整实际的电路特性并使之接近这种理想特性，是非常“好用”的工具。然而，某些分析算法、条件设置、器件模型，并非没有收敛性或稳定性方面的课题。更好地了解仿真的收敛性和稳定性课题，有助于更有效地利用仿真这个工具。
SPICE仿真的收敛性与稳定性
所谓仿真中的收敛性问题，是指即使执行了程序也不开始计算、中途停止等问题，导致即使微小的条件变更也能引发结果很大的变化、出现不应该出现的结果等。简而言之，就是分析错误和结果不稳定。
其原因有几种，在这里以“器件模型”这种原因为例来说明。下面是串联连接的电阻和二极管的I-V（电流-电压）特性，与电阻这样的电流和电压简单成正比的线性器件相比，二极管这样的非线性器件的仿真会更复杂。可能任何人都可以轻松地创建电阻I-V特性的计算公式，而二极管正向特性的公式恐怕就没有那么简单了。在下面的示例中，使用SPICE仿真中众所周知的牛顿法，介绍一种通过不断迭代来获得负载线和非线性负载（在这里为二极管）的交点—工作点的近似解的方法。这种器件模型的特性有时是不连续的，在具有变曲点等较复杂的特性情况下，有时会出现如右图所示的“不应该出现的”不收敛的结果。
收敛性和稳定性较差时的处理方法
收敛性和稳定性较差时，有几种处理方法。不同的模拟器其处理方法也不同，下面的方法请理解为其中一个示例。模拟器的设置项目中，有收敛性和稳定性相关的项目，试着更改这些项目。在本例中，算法有三个选项，我们将尝试更改现有的选项。另外，也将尝试更改精度和误差等收敛条件。
①尝试将算法更改为Gear
・trapezoidal（梯形法）：计算速度和精度高，但收敛性方面表现较差。
・modified trap（梯形法改进版）：改善了梯形法的收敛性。
・Gear（预测校正法）：容易收敛，但在计算速度和精度方面表现较差。
上述方法是可以在用户处通过更改模拟器的设置等，来规避收敛和稳定性问题时的方法。但其中也有可能是器件模型本身具有缺陷，在这种情况下，是很难在用户处解决仿真错误的。
如果需要创建一个器件模型，最重要的是要创建一个比起精度更重视收敛性和稳定性的、能运行的器件模型。
