摘要
本发明公开了一种基于电热耦合约束神经网络的MOSFET建模方法,包括:定义MOSFET的二维剖面求解域,确定电热耦合约束神经网络模型的输入变量包括工作条件和在二维剖面求解域内采样的二维时空坐标;构建电热耦合约束神经网络模型,预测电势、电子浓度、空穴浓度和温度;定义由数据损失项和物理损失项构成的复合损失函数,其中,数据损失项为神经网络模型的预测值与实际值的均方误差,物理损失项为偏微分方程组残差和边界条件残差之和;通过最小化复合损失函数,对神经网络模型进行训练,直至损失函数收敛,得到能够表征MOSFET电热耦合特性的神经网络模型。本发明能够在保证物理准确性的前提下,实现对器件内部电热场的快速预测。
技术关键词
神经网络模型
电热
热传导方程
法向分量
建模方法
泊松方程
禁带宽度
坐标
半导体
物理
电子
载流子迁移率
二氧化硅
定义
计算机程序产品
处理器
连续性
计算机设备
误差
数据
系统为您推荐了相关专利信息
孔隙水压力
早期预警方法
地下水动力学
记忆单元
水位预测值
RUL预测方法
因子
算法
锂离子电池老化
归一化方法
电离层建模方法
精密单点定位
球谐函数
建模系统
GNSS观测值
电池热失控
待测电池
压力预测方法
深度神经网络模型
预测装置