-
公开(公告)号：CN113486618B
公开(公告)日：2022-09-09
申请号：CN202110535092.3
申请日：2021-05-17
Applicant: 西安电子科技大学
IPC: G06F30/373
Abstract: 本发明公开了一种半导体器件大信号特性的表征方法，该方法包括：获取半导体器件，并建立大信号模型拓扑；根据预设直流经验基模型、预设交流经验基模型和大信号模型拓扑，确定经验基宏模型；获取预先采集得到的大信号特性测试数据，并对经验基宏模型中的待拟合参数进行参数估计，得到第一参数；对第一参数进行调谐，得到第二参数；根据第二参数，对经验基宏模型进行优化，并根据优化后的经验基宏模型表征半导体器件的大信号特性。此种设计方式无需将半导体器件电流模型分为本征和非本征两部分，并且能够避免建立繁琐的耗尽电荷模型，使其提取过程更加便捷，进而节省计算机硬件资源和计算时间，同时也有利于保证待拟合参数的拟合精度。
-
公开(公告)号：CN113947008A
公开(公告)日：2022-01-18
申请号：CN202111007779.6
申请日：2021-08-30
Applicant: 西安电子科技大学
IPC: G06F30/27 , G06F30/39 , G06N3/08 , G06F119/08
Abstract: 本发明公开了一种基于BP神经网络模型的半导体器件温度分布预测方法，所述方法包括：基于目标半导体器件对应的参数，建立半导体器件模型；获取所述半导体器件模型在多个预设环境下的多个数据集；基于所述训练数据集对BP神经网络模型进行训练，以得到初始温度分布预测模型基于所述训练数据集对BP神经网络模型进行训练，以得到初始温度分布预测模型；基于所述测试数据集对所述初始温度分布预测模型进行验证，并根据验证结果对所述初始温度分布预测模型进行调整，以得到目标温度分布预测模型。本发明能够快速、高效、精准地得到目标温度分布预测模型，从而可以基于所述目标温度分布预测模型进行半导体器件的温度分布预测。
-
公开(公告)号：CN119047387A
公开(公告)日：2024-11-29
申请号：CN202411093679.3
申请日：2024-08-09
Applicant: 西安电子科技大学
IPC: G06F30/3308 , G06N3/044 , G06N3/08 , G06F119/04
Abstract: 本发明涉及一种考虑电热老化的微波器件建模方法，涉及集成电路分析技术领域，包括：根据预设数据集，利用ENN神经网络构建等温退化网络模型和热退化修正网络模型；将所述等温退化网络模型和所述器件热退化修正网络模型结合，得到用于微波器件的非线性集电极电流退化模型。本发明解决了以往在对老化过程建模时较难将自热带来的影响同时考虑的问题。使用该建模方法建立的用于微波器件的非线性集电极电流退化模型考虑到了器件的电热老化，可对微波器件在电热老化下集电极电流的非线性变化的准确预测，同时实现了对自热和老化共同引起的器件退化的准确表征。
-
公开(公告)号：CN116484792A
公开(公告)日：2023-07-25
申请号：CN202310287823.6
申请日：2023-03-22
Applicant: 西安电子科技大学
IPC: G06F30/392 , G06F111/06
Abstract: 本发明涉及一种半导体器件的可靠性紧凑模型建立方法，包括：获取半导体器件的关键特性的退化前测试数据，建立相应的紧凑型模型拓扑；提取紧凑型模型拓扑中元件的退化前的参数，进行可靠性实验，获取关键特性退化后的可靠性测试数据；根据紧凑型模型拓扑和退化前的参数对退化后的可靠性测试数据进行表征，确定影响器件退化特性表征的敏感参数；获取敏感参数相对于退化前的退化量，根据退化量随可靠性参量的变化规律建立退化模型；利用退化模型对敏感参数进行修正，得到半导体器件的可靠性紧凑模型。依据本发明的方法建立起来的可靠性模型，为器件的退化机理分析提供了依据，且易于兼容电路设计软件，提高了可靠性集成电路的设计效率。
-
公开(公告)号：CN112926258B
公开(公告)日：2024-02-20
申请号：CN202110159123.X
申请日：2021-02-05
Applicant: 西安电子科技大学
IPC: G06F30/27 , G06F30/23 , G06N3/04 , G06N3/084 , G06F119/08
Abstract: 本发明公开了一种基于BP神经网络模型预测半导体器件结温的方法，包括：确定半导体器件的环境温度和功耗；将所确定的环境温度和功耗输入至预先训练完成的BP神经网络模型，以使该BP神经网络模型输出所述半导体器件的结温；其中，所述BP神经网络模型是基于预先构建的数据集所训练获得的；所述数据集包括：通过有限元分析法所获得的、在多种仿真条件下器件模型的结温；所述器件模型为所述半导体器件的仿真模型，每种所述仿真条件对应一种预设的环境温度和一种预设的功耗。本发明能够简单、高效、快速以及精确地预测半导体器件结温。
-
Patent Agency Ranking
公开(公告)号：CN117454693A
公开(公告)日：2024-01-26
申请号：CN202311371573.0
申请日：2023-10-20
Applicant: 西安电子科技大学
IPC: G06F30/23 , G06F30/27 , G06N3/084 , G06F119/08
Abstract: 本发明公开了一种基于神经网络的射频有源器件的自热效应建模方法，包括：获取射频有源器件的器件信息，器件信息包括结构参数和物理参数；根据器件信息对射频有源器件进行有限元分析以得到射频有源器件在多组环境温度和耗散功率下的结温；根据多组射频有源器件的结温与环境温度、耗散功率的对应关系，对BP‑ANN进行训练，得到结温预测模型；将结温预测模型应用于大信号模型中，得到宽温范围内的自热效应网络模型，以通过该自热效应网络模型表征射频有源器件在不同环境温度下的自热效应，该方法不仅提高了建模效率和仿真效率，而且该模型具有较高的精度和准确性。
-
公开(公告)号：CN112926258A
公开(公告)日：2021-06-08
申请号：CN202110159123.X
申请日：2021-02-05
Applicant: 西安电子科技大学
IPC: G06F30/27 , G06F30/23 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明公开了一种基于BP神经网络模型预测半导体器件结温的方法，包括：确定半导体器件的环境温度和功耗；将所确定的环境温度和功耗输入至预先训练完成的BP神经网络模型，以使该BP神经网络模型输出所述半导体器件的结温；其中，所述BP神经网络模型是基于预先构建的数据集所训练获得的；所述数据集包括：通过有限元分析法所获得的、在多种仿真条件下器件模型的结温；所述器件模型为所述半导体器件的仿真模型，每种所述仿真条件对应一种预设的环境温度和一种预设的功耗。本发明能够简单、高效、快速以及精确地预测半导体器件结温。
-
公开(公告)号：CN117272834A
公开(公告)日：2023-12-22
申请号：CN202311421290.2
申请日：2023-10-30
Applicant: 西安电子科技大学
IPC: G06F30/27 , G06N3/084 , G06F119/08
Abstract: 本发明涉及一种基于神经网络的射频有源器件尺寸缩放自热效应建模方法，包括步骤：获取射频有源器件的结构参数和物理参数；根据结构参数和物理参数建立不同发射极尺寸的器件模型；在不同耗散功率和不同环境温度的条件下对不同发射极尺寸的器件模型进行稳态热分析，得到结温分布结果；根据所述结温分布结果对神经网络进行训练，得到射频有源器件尺寸缩放自热效应模型。进一步，将所述射频有源器件尺寸缩放自热效应模型替换器件大信号模型中的自热网络，得到可表征不同尺寸器件自热效应的大信号模型。该方法不仅可以简便、快速、准确地反映器件结温与耗散功率之间的非线性关系，而且可以准确的得到各尺寸器件的结温并表征它们的自热效应。
-
公开(公告)号：CN108427912B
公开(公告)日：2020-06-05
申请号：CN201810112426.4
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于稠密目标特征学习的光学遥感图像目标检测方法，主要解决现有技术中深层卷积导致小目标信息被过滤掉的问题。本发明的具体步骤如下：(1)搭建一个共25层的稠密目标特征网络并设置每层参数；(2)构造训练样本集和训练类标集；(3)获取稠密目标特征网络的深浅特征；(4)对稠密目标特征网络的深浅特征进行融合；(5)获取目标候选框特征集；(6)进行稠密池化；(7)构造测试样本集；(8)对测试样本集进行检测。本发明具有对光学遥感图像的深浅特征提取好，目标检测的精度高的优点。
-
公开(公告)号：CN113947008B
公开(公告)日：2023-08-15
申请号：CN202111007779.6
申请日：2021-08-30
Applicant: 西安电子科技大学
IPC: G06F30/27 , G06F30/39 , G06N3/084 , G06F119/08
Abstract: 本发明公开了一种基于BP神经网络模型的半导体器件温度分布预测方法，所述方法包括：基于目标半导体器件对应的参数，建立半导体器件模型；获取所述半导体器件模型在多个预设环境下的多个数据集；基于所述训练数据集对BP神经网络模型进行训练，以得到初始温度分布预测模型基于所述训练数据集对BP神经网络模型进行训练，以得到初始温度分布预测模型；基于所述测试数据集对所述初始温度分布预测模型进行验证，并根据验证结果对所述初始温度分布预测模型进行调整，以得到目标温度分布预测模型。本发明能够快速、高效、精准地得到目标温度分布预测模型，从而可以基于所述目标温度分布预测模型进行半导体器件的温度分布预测。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.02 seconds)
