基于机器学习回归的单粒子瞬态电路级仿真建模方法
机器学习
2022-01-05 v1
摘要
本文提出一种新颖的基于机器学习回归的单粒子瞬态（SET）建模方法。所提方法无需考虑复杂物理机制即可获得合理且准确的模型。我们通过 TCAD 仿真在不同条件（如不同 LET 和不同漏极偏置电压）下获得了大量 SMIC 130nm 体 CMOS 的 SET 电流数据。使用多层前馈神经网络通过学习 TCAD 仿真数据来构建 SET 脉冲电流模型。所提模型通过 TCAD 仿真结果进行了验证。训练后的 SET 脉冲电流模型在 Cadence Spectre 电路仿真器中实现为 Verilog-A 电流源，并使用带五个扇出的反相器来展示所提 SET 脉冲电流模型用于电路级单粒子效应（SEE）仿真的实用性与合理性。
引用
@article{arxiv.2105.10723,
title = {Machine Learning Regression based Single Event Transient Modeling Method for Circuit-Level Simulation},
author = {ChangQing Xu and Yi Liu and XinFang Liao and JiaLiang Cheng and YinTang Yang},
journal= {arXiv preprint arXiv:2105.10723},
year = {2022}
}