一种基于神经网络的BSIM-BULK模型参数提取方法

本发明属于参数提取技术领域，公开了一种基于神经网络的BSIM‑BULK模型参数提取方法，包括如下步骤：步骤1：通过机器学习自动化和智能化地完成参数提取；通过结合物理建模和数据驱动模型的优点，在提参过程中引入物理约束和先验知识；步骤2：采用CNN架构构建参数提取模型：将一维特性数据转化为二维矩阵，利用CNN对二维特性提取的优势，将多组器件特性组合成多通道输入，让CNN同时处理多维特性。本发明用CNN神经网络代替ANN神经网络进行拟合，提高了局部拟合精度；CNN通过卷积核显著减少了参数数量，卷积和池化操作对局部区域进行处理，提高了计算效率，且增强了模型的泛化能力，提高了模型的鲁棒性。