PulseAugur
中
实时 14:04:19
English(EN) Rapid FinFET Modelling Using an Autoencoder

自编码器框架实现FinFET晶体管的快速建模

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个使用自编码器的机器学习框架，以高效地对FinFET晶体管进行建模。该自编码器将电流-电压（I-V）曲线压缩到潜在空间，捕捉了关键的器件物理特性，并能够准确地重建I-V数据。该模型还可以直接提取阈值电压和跨导等关键器件指标，在最少的训练数据下展现出高精度，从而实现快速的器件表征和仿真。 AI

影响 这项研究通过提供更高效的建模方法，有望加速半导体器件的设计和仿真。

排序理由 该集群包含一篇arXiv论文，详细介绍了一种新的器件建模研究方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

自编码器框架实现FinFET晶体管的快速建模

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Amit Sarkar Suman Sau, Swagata Mandal ·

    Rapid FinFET Modelling Using an Autoencoder

    arXiv:2606.24046v1 Announce Type: cross Abstract: This work presents a machine learning framework that leverages an autoencoder (AE) for the efficient modeling of FinFET. We first calibrated a BSIM-CMG model to generate a dataset of current-voltage (ID-VG) characteristics. This d…

  2. arXiv cs.LG TIER_1 English(EN) · Swagata Mandal ·

    Rapid FinFET Modelling Using an Autoencoder

    This work presents a machine learning framework that leverages an autoencoder (AE) for the efficient modeling of FinFET. We first calibrated a BSIM-CMG model to generate a dataset of current-voltage (ID-VG) characteristics. This data was used to train an autoencoder that compress…

相关实体

相关话题