利用机器学习技术改进用于电子设计自动化的半导体器件建模
机器学习
2023-09-06 v2 人工智能
摘要
半导体行业从机器学习（ML）基技术集成到工艺计算机辅助设计（TCAD）方法中获益良多。然而，ML 模型的性能严重依赖于训练数据集的质量与数量。由于器件制造的复杂性与高成本，在半导体行业中获得它们可能尤其困难。本文中，我们提出一种利用基于变分自编码器的技术来改进基于 ML 的器件建模的自增强策略。这些技术仅需少量实验数据点且不依赖 TCAD 工具。为证明我们方法的有效性，我们将其应用于基于深度神经网络的氮化镓器件中欧姆电阻值预测任务。预测实验结果时平均绝对误差实现了 70% 的降低。我们方法固有的灵活性允许轻松适配各种任务，从而使其与半导体行业的诸多应用高度相关。
引用
@article{arxiv.2105.11453,
title = {Improving Semiconductor Device Modeling for Electronic Design Automation by Machine Learning Techniques},
author = {Zeheng Wang and Liang Li and Ross C. C. Leon and Jinlin Yang and Junjie Shi and Timothy van der Laan and Muhammad Usman},
journal= {arXiv preprint arXiv:2105.11453},
year = {2023}
}
备注
Entirely rewrote and reorganized. Updated models