[發明專利]一種通用器件模型優化方法及系統在審
| 申請號： | 202310397733.2 | 申請日： | 2023-04-14 |
| 公開（公告）號： | CN116151174A | 公開（公告）日： | 2023-05-23 |
| 發明（設計）人： | 黃洪云;蒲朝斌;李林保;刁龍平;李林 | 申請（專利權）人： | 四川省華盾防務科技股份有限公司 |
| 主分類號： | G06F30/373 | 分類號： | G06F30/373;G06F30/367;G06N3/04;G06N3/08 |
| 代理公司： | 北京博爾赫知識產權代理事務所(普通合伙) 16045 | 代理人： | 于武江 |
| 地址： | 610041 四川*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 通用 器件 模型 優化 方法 系統 | ||
1.一種通用器件模型優化方法，其特征在于，包括以下步驟：
步驟1、對器件參數和電壓偏置進行數據預處理；
步驟2、采用均方相對誤差和多目標損失函數構建神經網絡模型；
步驟3、從數據中隨機選取若干組不同參數組合下的數據，對模型進行初步的訓練，并在初步訓練模型的基礎上，將所有數據導入神經網絡模型，進行神經網絡的訓練。
2.根據權利要求1所述的一種通用器件模型優化方法，其特征在于，所述預處理具體包括：
首先，對器件結構參數歸一化處理；
其次，對電流作轉換函數處理；
最后，對柵源電壓、漏源電壓作平滑函數處理。
3.根據權利要求2所述的一種通用器件模型優化方法，其特征在于，所述歸一化處理的公式為：
其中，為歸一化后的結構參數，為結構參數。
4.根據權利要求2所述的一種通用器件模型優化方法，其特征在于，所述轉換函數為：
；
其中，為輸出電流，為漏源電壓，
5.根據權利要求2所述的一種通用器件模型優化方法，其特征在于，所述柵源電壓、漏源電壓的平滑函數分別為：
；
；
其中，為常數，為漏源電壓，為柵源電壓，、分別為平滑后的漏源電壓、柵源電壓。
6.根據權利要求1所述的一種通用器件模型優化方法，其特征在于，所述均方相對誤差為：
；
其中，為訓練數據量、為訓練數據值、為預測數據值。
7.根據權利要求1所述的一種通用器件模型優化方法，其特征在于，所述多目標損失函數為：
；
其中，為關態電流，為飽和電流，
8.一種通用器件模型優化系統，其特征在于，包括以下模塊：
預處理模塊，對器件參數和電壓偏置進行數據預處理；
神經網絡模型構建模塊，采用均方相對誤差和多目標損失函數構建神經網絡模型；
神經網絡的訓練模塊，從數據中隨機選取若干組不同參數組合下的數據，對模型進行初步的訓練，并在初步訓練模型的基礎上，將所有數據導入神經網絡模型，進行神經網絡的訓練。
9.根據權利要求8所述的一種通用器件模型優化系統，其特征在于，所述預處理模塊包括：轉換函數單元，利用下式對電流數據進行轉換：
；
其中，為輸出電流，為漏源電壓，
還包括平滑函數單元，對所述柵源電壓、漏源電壓分別進行處理：
；
；
其中，為常數，為漏源電壓，為柵源電壓，、分別為平滑后的漏源電壓、柵源電壓。
10.根據權利要求8所述的一種通用器件模型優化系統，其特征在于，神經網絡模型構建模塊包括均方相對誤差計算單元和多目標損失函數計算單元；
所述均方相對誤差計算單元為：
；
其中，為訓練數據量、為訓練數據值、為預測數據值；
所述多目標損失函數計算單元為：
；
其中，為關態電流，為飽和電流，
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于四川省華盾防務科技股份有限公司，未經四川省華盾防務科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310397733.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：晶圓級銅銅凸點互連結構及其鍵合方法
- 下一篇：行駛控制裝置
