Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京邮电大学;南京邮电大学南通研究院有限公司郭宇锋获国家专利权

南京邮电大学;南京邮电大学南通研究院有限公司郭宇锋获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京邮电大学;南京邮电大学南通研究院有限公司申请的专利基于机器学习和模型的半导体器件电学特性仿真方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114997092B

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210686282.X,技术领域涉及:G06F30/367;该发明授权基于机器学习和模型的半导体器件电学特性仿真方法是由郭宇锋;姚清;陈静;张珺;姚佳飞;代玙璇;张茂林;刘建华设计研发完成,并于2022-06-16向国家知识产权局提交的专利申请。

基于机器学习和模型的半导体器件电学特性仿真方法在说明书摘要公布了:本发明公开了基于机器学习和模型的半导体器件电学特性仿真方法,包括步骤1、确定仿真模型;步骤2、确定结构参数或工艺参数;步骤3、获取数据集;步骤4、建立机器学习回归模型;步骤5、预测输入模型参数;步骤6、电学特性仿真。本发明利用机器学习和确定的仿真模型,实现了半导体器件从结构参数与工艺参数到电学特性的仿真,具有仿真速度快,收敛性好,节约计算资源等优点。同时该发明中构建的回归模型能实现从工艺参数到模型参数、工艺参数到结构参数、结构参数到模型参数的预测,能提高设计人员的设计效率,节省设计时间。

本发明授权基于机器学习和模型的半导体器件电学特性仿真方法在权利要求书中公布了:1.一种基于机器学习和模型的半导体器件电学特性仿真方法,其特征在于:包括如下步骤: 步骤1、确定仿真模型:根据半导体器件的类型,确定用于电路仿真的仿真模型,并确定仿真模型的输入模型参数; 半导体器件为场效应晶体管、晶闸管、IGBT或二极管; 仿真模型为基本电学性能模型或多物理场耦合模型; 当半导体器件为IGBT时,仿真模型为Hefner模型;Hefner模型的输入模型参数包括大注入过剩载流子寿命、发射区饱和电子电流、MOSFET饱和区跨导Kp、阈值电压Vt、线性区跨导与饱和区跨导的经验比例因子Kf和横向场跨导因子θ; 当半导体器件为场效应晶体管且为GaNHEMT时,仿真模型为ASM模型;ASM模型的输入模型参数包括与静态特性相关的截止电压Voff、亚阈值摆幅NFACTOR、低场迁移率µ0、迁移率退化因子µa、沟道长度调制因子λ、饱和速度Vsat、源区接触电阻Rsc和漏区接触电阻Rdc; 步骤2、确定结构参数或工艺参数:确定对步骤1中输入模型参数具有影响的半导体器件的结构参数或工艺参数; 步骤3、获取数据集:通过仿真或实验的方法,获取从结构参数到输入模型参数或从工艺参数到输入模型参数的数据集; 步骤4、建立机器学习回归模型:根据步骤3获取的数据集,建立机器学习回归模型;机器学习回归模型能根据半导体器件的结构参数或工艺参数,进行步骤1中输入模型参数的预测;其中,机器学习回归模型采用分阶段多输入单输出,其中的训练神经网络个数与输入模型参数个数相同; 步骤5、预测输入模型参数:将待仿真半导体器件的结构参数或工艺参数,输入步骤4中建立的机器学习回归模型中,预测得到待仿真半导体器件对应的输入模型参数; 步骤6、电学特性仿真:将步骤5预测得到的输入模型参数,代入步骤1确定的仿真模型中,并采用仿真模型对待仿真半导体器件进行电学特性的仿真。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京邮电大学;南京邮电大学南通研究院有限公司,其通讯地址为:210046 江苏省南京市栖霞区文苑路9号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。