프로세서에 의해 수행되는 뉴럴 컴팩트 모델에 대한 액티브 러닝 방법에 있어서, 액티브 러닝 프레임워크를 이용하여 TCAD 시뮬레이션으로부터 반도체 장치에서 파라미터들, 또는 전압을 선택하고 이에 대응하는 전류 또는 커패시턴스를 시뮬레이션하는 단계; 및상기 전압과 상기 전류, 또는 상기 전압과 커패시턴스를 이용하여 컴팩트 모델에 대한 신경망을 훈련시키는 단계를 포함하며, 상기 액티브 러닝 프레임워크를 이용하여 TCAD 시뮬레이션으로부터 반도체 장치에서 파라미터들, 또는 전압을 선택하고 이에 대응하는 전류 또는 커패시턴스(capacitance)를 시뮬레이션하는 단계는, 상기 TCAD 시뮬레이션으로 상기 전압과 대응되는 전류, 또는 커패시턴스를 질의(query)하는 단계; 및상기 TCAD 시뮬레이션으로부터 상기 파라미터들, 또는 상기 전압에 따른 상기 전류, 또는 상기 커패시턴스를 수신하는 단계를 포함하며, 상기 TCAD 시뮬레이션으로 상기 파라미터들, 또는 상기 전압과 대응되는 전류, 또는 커패시턴스를 질의(query)하는 단계는, 상기 반도체 장치에 대한 전압-전류 커브, 전압-커패시턴스 커브에서 커버쳐(curvature)를 추정하여 상기 커버쳐에 따른 제1점수를 설정하는 단계; 상기 반도체 장치에 대한 상기 TCAD 시뮬레이션으로부터 출력된 값들에 대해 가우시안 프로세스 회귀(Gaussian process regression)를 이용하여 추정된 불확실성에서 상기 불확실성을 가지는 점들을 선택하여 상기 선택된 점들에 따른 제2점수를 설정하는 단계; 상기 TCAD 시뮬레이션의 시뮬레이션 시간에 따른 제3점수를 설정하는 단계; 및상기 제1점수, 상기 제2점수, 및 상기 제3점수를 합산하여 합산된 점수에 대응하는 상기 전압과 대응되는 전류, 또는 커패시턴스를 질의하는 단계를 포함하는 뉴럴 컴팩트 모델의 생성 효율성을 향상시키기 위한 방법.