基于神经网络的深度学习突触器件多维度性能预测方法

本发明公开了一种基于神经网络的深度学习突触器件多维度性能预测方法，主要解决现有预测技术投入成本大、周期长，且对专业知识要求高的问题。包括：1)使用TCAD对突触器件建模，通过仿真获得不同设计参数对应的性能指标，构建样本集；2)对样本集进行预处理，并随机划分练、验证和测试集；3)构建用于突触器件性能预测的深度学习神经网络模型；4)使用训练集与验证集对构建的模型进行训练和验证；5)将测试集输入到训练好的模型中，检验其预测准确率；6)将高准确率神经网络模型作为最终模型，获取该器件的性能预测结果。本发明能够实现对突触器件性能的高精度预测，在显著缩短研发周期的同时，为器件设计和优化提供理论支持。