龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安电子科技大学杭州研究院;西安电子科技大学
摘要：本发明公开了基于神经网络的1200VSiCMOSFET建模优化及性能预测方法，包括以下步骤；步骤1，基于TCAD建立1200V沟槽型SiCMOSFET器件模型；步骤2，基于TCAD仿真建立数据集，获取数据集，将数据集分别划分为训练集，交叉验证集和测试集；步骤3，初步建立集成深度学习预测模型，进行后续器件电学特性预测和输出特性曲线预测；步骤4，将训练集输入预测模型，通过损失函数衡量预测值与真实值之间的差距，优化预测模型，同时将交叉验证集输入预测模型；步骤5，将测试集数据输入预测模型，评估其预测准确率及泛化能力，满足要求的模型即可用于不同参数以及不同工作条件下的SiCMOSFET器件电学特性预测。本发明提高了器件设计效率以及准确度，拓展了微电子器件预测的可能性。
主权项：1.基于神经网络的1200VSiCMOSFET建模优化及性能预测方法，其特征在于，包括以下步骤；步骤1，基于TCAD建立1200V沟槽型SiCMOSFET器件模型；步骤2，基于TCAD仿真建立数据集，在所述1200V沟槽型SiCMOSFET器件模型基础上改变设计条件获取数据集，将数据集分别划分为训练集，交叉验证集和测试集；按照±5％的误差拉偏器件结构参数，使得器件处于不同的工作结构，之后仿真收集器件电学数据，获取的数据集包含器件的输出特性曲线Id-Vd和电学参数；步骤3，初步建立集成深度学习预测模型，进行后续器件电学特性预测和输出特性曲线预测，其中，模型的输入均为器件的结构参数，电学特性点预测的输出是电学参数，输出特性曲线预测的输出是等间隔提取的曲线数据点；步骤4，将训练集输入预测模型，通过损失函数衡量预测值与真实值之间的差距，优化预测模型，同时将交叉验证集输入预测模型；步骤5，将测试集数据输入预测模型，评估其预测准确率及泛化能力，满足要求的模型即可用于不同参数以及不同工作条件下的SiCMOSFET器件电学特性预测。
全文数据：
权利要求：
百度查询： 西安电子科技大学杭州研究院 西安电子科技大学 基于神经网络的1200V SiCMOSFET建模优化及性能预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号