物理信息神经网络用于预测训练范围外的TCAD解并最小化领域专业知识
机器学习
2025-07-29 v1
摘要
机器学习（ML）有潜力辅助技术计算机辅助设计（TCAD）模拟，以缓解收敛困难和仿真时间过长的问题。虽然机器学习在TCAD中被广泛使用，但它们要么需要访问内部求解器，要么需要大量领域专业知识，要么仅通过终端量（如电流和电压）进行训练，并且/或者缺乏训练范围外预测能力。在本文中，以硅纳米线为例，我们展示了使用物理信息神经网络（PINN）预测训练范围外的TCAD解是可行的，且无需访问内部求解器，领域专业知识也极少。机器不仅能够预测比训练范围大2.5倍的范围，而且仅通过训练亚阈值区域数据就能预测反型区。物理信息模块也使用数据进行训练，无需人工编码方程，使其更容易扩展到更复杂的系统。
引用
@article{arxiv.2408.07921,
title = {Physics-Informed Neural Network for Predicting Out-of-Training-Range TCAD Solution with Minimized Domain Expertise},
author = {Albert Lu and Yu Foon Chau and Hiu Yung Wong},
journal= {arXiv preprint arXiv:2408.07921},
year = {2025}
}