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：南通大学
摘要：本发明公开了一种深度学习技术驱动的InGaAsFinFET器件性能预测方法，首先选择更具代表性的工艺参数，并利用TCAD仿真生成大量的仿真数据，然后搭建适配InGaAsFinFET器件数据的PReLUNet深度学习网络模型，并使用仿真数据对模型进行预训练，使模型捕获到工艺参数与器件性能之间的潜在复杂关系，确保模型初步具备预测能力。接着通过少量实验数据集对模型进行微调校准，提升模型的预测精度和可解释性。本发明显著减少了对大量昂贵的实验数据的依赖，使模型能够在有限计算资源下找到实现InGaAsFinFET器件的最佳参数配置，从而加速器件设计阶段的迭代与优化，促进半导体器件设计的发展。
主权项：1.一种深度学习技术驱动的InGaAsFinFET器件性能预测方法，其特征在于，包括以下步骤：S1：确定InGaAsFinFET器件的仿真工艺流程及目标工艺参数；S2：使用半导体仿真软件进行器件工艺仿真，获得相应的器件结构；S3：使用半导体仿真软件分析已搭建器件的电学性能，并校准物理模型保证仿真结果与实验结果相符；S4：导出仿真部分器件的相关工艺参数和转移特性曲线相关数据，并整理相关实验工艺数据及实验所得的转移特性曲线数据，为后续神经网络模型的训练提供数据；S5：对器件仿真数据进行分析，构建适配的PReLUNet深度学习神经网络模型预测InGaAsFinFET器件的电学性能；S6：对器件的相关工艺参数进行标准化处理，并将其作为PReLUNet深度学习神经网络模型的输入，然后对权重参数进行初始化，对隐藏层输出数据进行归一化处理，采用算法和优化器优化模型性能；S7：使用仿真数据对模型进行预训练，接着使用指标评估模型的精确度，并保存高精确度的PReLUNet神经网络模型，然后使用实验数据对模型进行微调，检测模型性能，得到训练完成的PReLUNet网络模型；S8：在需要仿真新的工艺参数数据时，调用训练完成的PReLUNet网络模型，实现对新数据的直接预测。
全文数据：
权利要求：
百度查询： 南通大学 一种深度学习技术驱动的InGaAs FinFET器件性能预测方法
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