一种基于机器学习的分裂栅存储器参数优化方法

本发明公开了一种基于机器学习的分裂栅存储器参数优化方法，首先以分裂栅存储器的设计参数构建参数空间，并采用多维拉丁超立方采样进行初始数据采集，随后进行TCAD仿真以获取电学性能参数。然后，根据输入参数与电学性能之间的相关性，基于相关性优化采样策略，并重新选取参数组合进行TCAD仿真，获取优化后的数据集。接着，对数据进行预处理，划分训练集、验证集和测试集，并构建机器学习模型。最终，通过训练后的模型替代部分TCAD仿真，实现快速预测电学性能，从而加速分裂栅存储器的参数优化过程，提高设计效率和准确性。本发明方法可有效减少所需仿真次数，降低计算资源消耗，为存储器器件设计提供高效优化方案。