[发明专利]一种基于神经网络算法的隧穿双栅晶体管特性模拟方法

说明书

本发明涉及一种基于神经网络算法的隧穿双栅晶体管特性模拟方法，特别地是采用三层前向结构的神经网络和对应算法来模拟隧穿双栅晶体管特性，它包括：选择的神经网络为三层前向结构，隐含层的第一层神经元数目设定为16个，隐含层的第二层神经元数目为8个，输出层为第三层，神经元数目为1个，所采用的传输函数为线性函数；所有神经元采用反向传播算法，神经网络的输入个数为6，输入一组纳米隧穿双栅晶体管测量数据训练神经网络，经过训练后即可得到训练成功的神经网络。该模拟方法得到的神经网络输出数据与相应的测量数据相对误差一般在百分之一之内，大部分能达到千分之一。结果标明：神经网络模型方法比BSIM模型更准确，效率更高。

技术领域

本发明涉及集成电路技术领域，具体涉及一种模拟隧穿双栅晶体管特性的神经网络方法，尤其是一种基于神经网络算法的隧穿双栅晶体管特性模拟方法。

背景技术

按照摩尔定律，集成电路特征尺寸每隔2-3年就要下降30％，到目前为止，工业界特征尺寸已经达到10纳米以下。近年来，包含处理器、存储器、模拟电路模块、数模混合信号模块以及片上可编程逻辑的SOC已成为国际芯片产业的一个重要发展方向，SOC也就是片上系统。

SOC以超深亚微米，也就是纳米级工艺技术和知识产权核复用为它的基础支撑，而器件模型和电路模拟是SOC芯片系统设计的工具和平台，是链接超深亚微米工艺技术和知识产权IP核的桥梁。SOC的研究和发展，涉及到模拟、数字和存储器件的使用和交付作用，时间和频率主域的数模混合信号的传输和处理，器件和互连线的影响关系，电路设计规则的验证和工艺偏差的统计，等等。这些因素和效应在SOC设计和发展中的作用，必须通过可预言性的模型和模拟工具进行分析，统计和给予充分的估计，从SOC的系统模拟中得到SOC设计需要的功能和信息。

传统器件模拟方法如BSIM系列是基于半经验半器件原理，对实际器件做了很多简化和假设，当特征尺寸进入纳米尺度时，这些简化和假设不再成立，此时，各种小尺寸效应包括量子效应就必须加以考虑。另一方面，PSP和HISIM等方法虽然基于器件物理建立，但因为多采用迭代和微扰算法，计算复杂，效率不高。按这些传统的建模型方法处理基于新原理的纳米新器件的芯片设计，则会使模型变得更复杂，使参数数目急剧增加，从而参数提取越来越费时，而且随着特征尺寸继续减小，新原理的隧穿器件如隧穿双栅场效晶体管采用，这种复杂性会继续加剧，使得传统模拟方法的使用面临越来越多的挑战。如何采用新技术方法，比如人工智能技术，发展更先进更有效率的，针对结构复杂的纳米新器件如隧穿双栅场效晶体管的模拟方法，成为亚10纳米芯片时代一个重要挑战。

发明内容

在上述背景下，本发明提出一种针对纳米隧穿双栅场效晶体管模拟的新方法，该方法能适用于在纳米尺度下对晶体管特性进行描述，能大大降低纳米器件模拟的复杂性，提高模拟的准确度，同时提高模拟纳米器件的效率。

本发明的技术问题这样解决：构建一种基于神经网络算法的隧穿双栅晶体管特性模拟方法，特别是纳米隧穿场效应晶体管特性模拟的神经网络结构和算法，包括以下步骤：

1)选择的神经网络为三层前向结构，各层具有独立的权值矩阵，累加器，偏置值向量。

2)隐含层的第一层神经元数目设定为16个，所采用的传输函数为双曲正切函数。

3)隐含层的第二层神经元数目为8个，所用的传输函数为对数S型函数。

4)输出层为第三层，神经元数目为1个，所采用的传输函数为线性函数。

5)所有神经元采用反向传播算法，但同时采用列文伯格-马夸尔特法算法来更新神经网络的权值和偏置量。

6)输入神经网络的数据为六维参数：V_ds，V_gs，V_bs，W，L，T，输出神经网络数据为一维参数：I_ds。