公开(公告)号：CN118070650A

公开(公告)日：2024-05-24

申请号：CN202410196173.9

申请日：2024-02-22

Applicant: 东南大学

Inventor： 张逸凡 ,  周再发 ,  赵临风

IPC: G06F30/27 ,  G06F18/214 ,  G06N3/04 ,  G06N3/0985 ,  G06F111/04 ,  G06F115/04

Abstract: 本发明公开了一种基于物理约束引导深度学习的MEMS器件不确定性分析方法，首先，针对工艺设计提取各类工艺参数，构建工艺偏差的随机参数模型；然后，建立对应的MEMS器件行为模型，导出性能指标在参数范围内对各参数的变化趋势分布情况和特殊点上的值，获得物理引导约束条件，建立训练集与测试集；接着，建立深度学习架构，通过对网络训练损失函数添加惩罚项实现物理引导约束，对其进行训练并调整隐藏层规模和超参数直到网络模型达到收敛，添加有效的物理约束条件，得到器件行为模型的代理模型；最后，通过蒙特卡罗方法，在代理模型基础上，得到由高维随机变量参数造成的器件性能分布情况，完成高维随机变量参数下的MEMS器件不确定性分析。