基于物理学的人工神经网络协助提取外部触发光导半导体开关的短暂性质
Zhong Zheng1, Huiyong Hu1, Yutian Wang1
1Division of Integrated Circuits, Xidian University, Xi'an 710071, China.
Micromachines
|August 29, 2024
概括
本研究介绍了一种基于物理的人工神经网络 (ANN) 方法,以有效地提取光导半导体开关的短暂性质. 与传统模拟相比,ANN方法显著减少了计算时间.
科学领域:
- 电气工程 电气工程
- 材料科学 材料科学 材料科学
- 计算物理 计算物理
背景情况:
- 外部触发光导半导体开关 (ET-PCSS) 是高功率电子产品的关键组件.
- 准确地提取它们的短暂性质对于设备设计和性能优化至关重要.
- 传统的模拟方法可能是计算密集型,限制了快速分析.
研究的目的:
- 提出一种新的基于物理的人工神经网络 (ANN) 辅助方法,用于提取ET-PCSSs的短暂性质.
- 为了利用ANN的非线性映射功能,以实现高效的物业提取.
- 为了降低与模拟ET-PCSSs相关的计算成本.
主要方法:
- 基于光电设备的操作原理,开发了两种ANN模型 (高斯式和多项式拟合).
- 使用过渡电流作为输入和兴奋剂度作为输出用于ANN训练.
- 实现贝叶斯优化 (BO) 以提高多项式ANN (多-ANN) 预测器的稳定性.
主要成果:
- 在低光功率下实现了短暂光电预测的平均绝对误差 (MAE) 低于10A.
- 在PCSS应用中展示了ANN辅助TCD (计算机辅助设计技术) 的可行性.
- 获得的结果与混合模式模拟相美,同时每期节省数千秒的CPU运行时间.
结论:
- 拟议的基于物理的ANN方法为提取ET-PCSS短暂性质提供了一个计算效率高的替代方案.
- 在半导体设备分析中,ANN显示出加速TCA过程的显著前景.
- 贝叶斯优化进一步提高了基于ANN的预测模型的可靠性和稳定性.
