PRIME：面向晶体管特性预测的物理相关智能专家混合模型
机器学习
2025-05-20 v1
摘要
近年来，机器学习被广泛应用于工艺爬坡阶段的数据预测，尤其关注面向电路设计与制造的晶体管特性。然而，捕捉跨多个工作区的非线性电流响应仍是神经网络面临的一项挑战。为应对此挑战，本文提出了一种新颖的机器学习框架PRIME（物理相关智能专家混合模型），以捕捉并整合复杂的区域特性。本质上，我们的框架将基于物理的知识与数据驱动的智能相结合。通过在其门控网络中利用动态加权机制，PRIME能够根据不同的输入数据特征自适应地激活合适的专家模型。我们在多种全包围栅（GAA）结构上进行了广泛评估，以检验PRIME的有效性，结果显示，与最先进的模型相比，其预测精度有显著提升（60%-84%）。
引用
@article{arxiv.2505.11523,
title = {PRIME: Physics-Related Intelligent Mixture of Experts for Transistor Characteristics Prediction},
author = {Zhenxing Dou and Yijiao Wang and Tao Zou and Zhiwei Chen and Fei Liu and Peng Wang and Weisheng Zhao},
journal= {arXiv preprint arXiv:2505.11523},
year = {2025}
}
备注
8 pages, 6figures