深度学习辅助的纳米级晶体管紧凑建模
信号处理
2021-07-14 v1
摘要
晶体管是所有电子器件的基本构建模块。准确预测其电流-电压(IV)特性能够在昂贵的硅流片之前实现电路仿真。在这项工作中,我们提出使用深度神经网络来提高传统基于物理的纳米级晶体管紧凑模型的精度。讨论了神经网络上物理驱动的要求。使用有限元仿真作为输入数据集,结合一个约30个神经元的神经网络,最终的IV模型能够将IV预测误差控制在1%以内。训练好的模型可轻易通过硬件描述语言(HDL)如VerilogA实现,用于电路仿真。
引用
@article{arxiv.2107.06167,
title = {Deep Learning Assisted Compact Modeling of Nanoscale Transistor},
author = {Hei Kam},
journal= {arXiv preprint arXiv:2107.06167},
year = {2021}
}
备注
7 page, 9 figures