基于机器学习的器件单粒子翻转截面和敏感区的获取方法

本发明公开了基于机器学习的器件单粒子翻转截面和敏感区的获取方法，涉及半导体分析技术领域，该系统公开了如下步骤：步骤S1：目标芯片的重离子单粒子效应器件仿真，获取带单粒子翻转标签的机器学习样本；步骤S2：将带单粒子翻转标签的机器学习样本作为机器学习分类算法的输入，确定发生单粒子翻转的决策边界；步骤S3：机器学习算法提取的单粒子翻转决策边界映射到目标芯片上，即可得到芯片的单粒子效应敏感区。本发明结合单粒子效应器件仿真数据，提出了器件单粒子翻转截面和敏感区的获取方法，通过本发明的方法可以实现芯片重离子单粒子效应敏感性的快速评估，大大节省了试验成本。