基于深度学习算法的PIN二极管限制器对高功率微波效应的研究
Huikai Chen1, Wenze Gao1, Yinfen Zhao1
1School of Microelectronics, Xidian University, Xi'an, 710071, People's Republic of China.
Nanotechnology
|March 21, 2024
概括
这项研究引入了一个优化的神经网络模型来预测高功率微波 (HPM) 对PIN二极管限制器的影响. 与传统的物理建模相比,这种AI方法提高了模拟速度并降低了成本.
科学领域:
- 电气工程 电气工程
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 由于它们的可变电阻,PIN二极管对于保护雷达系统免受高功率微波 (HPM) 影响至关重要.
- 对于PIN二极管上的HPM效应的传统物理建模是计算密集且缓慢的.
研究的目的:
- 开发和验证一个优化的神经网络算法,用于预测PIN二极管限制器上的HPM效应.
- 为了提高效率并降低模拟电子元件中HPM效应的成本.
主要方法:
- 对PIN二极管HPM效应的理论推导.
- 开发一个神经网络模型来预测HPM辐射下的时间结温度曲线.
- 创建一个单独的神经网络模型来预测限制器性能指标 (值,插入损失,隔离).
主要成果:
- 神经网络模型实现了加权平均平方误差 (MSE) 低于0.004的时间结温度预测.
- 预测PIN限制器功率限制值,插入损失和隔离时,MSE值小于0.03.
- 人工智能方法显著提高了计算和模拟速度.
结论:
- 优化的神经网络为PIN二极管上的HPM效应提供了比传统物理建模更快,更具成本效益的替代方案.
- 这项研究提供了一种新的计算方法,用于分析PIN二极管限制器的高功率微波行为.


