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！

龙图腾网恭喜西安电子科技大学申请的专利一种基于CNN网络的FDSOI器件电学特性预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114528805B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210095126.6，技术领域涉及：G06F30/398；该发明授权一种基于CNN网络的FDSOI器件电学特性预测方法是由王树龙;赵蓉;段小玲;刘晨钰;薛慧敏;赵银峰;马兰设计研发完成，并于2022-01-26向国家知识产权局提交的专利申请。

本一种基于CNN网络的FDSOI器件电学特性预测方法在说明书摘要公布了：本发明涉及微电子技术领域与人工智能技术领域，具体涉及一种基于CNN网络的FDSOI器件电学特性预测方法，本发明利用CNN网络，解决了FDSOI器件电学特性的预测在传统研究过程中计算量大且耗时较长的问题，且拥有较高的准确率，提高了预测的效率。

本发明授权一种基于CNN网络的FDSOI器件电学特性预测方法在权利要求书中公布了：1.一种基于CNN网络的FDSOI器件电学特性预测方法，其特征在于，包括以下步骤：步骤1，获取多组FDSOI器件的物理参数及其对应的电学特性，作为样本集；其中，FDSOI器件的物理参数包含栅长、埋氧层厚度、体区掺杂浓度和栅极金属功函数；FDSOI器件的电学特性包括阈值电压、跨导、亚阈值摆幅以及电流开关比；步骤2，将样本集中的数据按比例随机划分为训练集、交叉验证集和测试集；步骤3，构建CNN网络预测模型；所述CNN网络预测模型为输入FDSOI器件物理参数，预测FDSOI器件的电学特性并输出；其中，所述CNN网络预测模型包含依次连接的输入扩展模块、转置卷积模块、卷积模块和全连接模块；输入扩展模块包含3层，每层包含依次连接的一层Linear层、一层BN层和一层ReLU激活函数；转置卷积模块包含依次连接的一层ConvT层、一层BN层、一层ConvT层和一层BN层；卷积模块包含3层，每层包含依次连接的一层卷积层、一层BN层和一层ReLU激活函数；全连接模块包含3层，每层包含依次连接的一层Linear层、一层BN层和一层ReLU激活函数；步骤4，将训练集数据输入CNN网络预测模型，利用回归损失函数对CNN网络预测模型的参数进行迭代更新，获得训练后的CNN网络预测模型；再将交叉验证集数据输入训练后的CNN网络预测模型，最终获得训练完成的CNN网络预测模型；将测试集数据输入训练完成的CNN网络预测模型，评估CNN网络预测模型的预测准确率及泛化能力；步骤5，将需要预测的FDSOI器件的物理参数输入训练完成的CNN网络预测模型，训练完成的CNN网络预测模型输出该FDSOI器件的电学特性预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。