公开(公告)号：CN120012605A

公开(公告)日：2025-05-16

申请号：CN202510195184.X

申请日：2025-02-21

Applicant: 北京大学

Inventor： 王玮 ,  温博 ,  游汝康 ,  周元诚 ,  周涛

IPC: G06F30/27 ,  G06F30/23 ,  G06F17/18 ,  G06N3/0985

Abstract: 本发明提供了一种向量拟合结合神经网络传递函数的MEMS建模方法，涉及微机电系统技术领域。本发明实施例基于向量拟合结合人工神经网络传递函数算法，可以预测出具有不同几何尺寸、材料特性的MEMS器件的性能曲线对应的拟合参数，进而得到具有不同几何尺寸、材料特性的MEMS器件的性能曲线，对MEMS器件的建模过程进行快速、准确的模拟和分析，并且可以指导MEMS设计师进行器件优化。

公开(公告)号：CN120012521A

公开(公告)日：2025-05-16

申请号：CN202510195181.6

申请日：2025-02-21

Applicant: 北京大学

Inventor： 王玮 ,  温博 ,  游汝康 ,  周元诚 ,  周涛

IPC: G06F30/23 ,  G06F30/27 ,  G06F18/24 ,  G06F18/2135 ,  G06F111/08

Abstract: 本发明提供了一种利用机器学习的MEMS器件建模及良率预测方法，涉及微机电系统技术领域。本发明中，可以采用预设采样方法，基于目标偏差确定多个待预测样本，再基于机器学习算法和待预测样本，预测得到对应的性能参数，从而可以预测出具有不同几何尺寸、材料特性的器件的性能，进一步对性能参数进行分析，确定对应的器件良率预测结果，最终得到不同偏差分布的器件参数对应的器件良率结果。从而可以对MEMS器件的制造过程进行快速、准确的模拟和分析，并识别和优化可能导致低良率的因素，实现关键工艺窗口的量化分析，降低规模生产中的良率迭代次数；并且可以帮助设计师预测MEMS器件的制造缺陷和失效模式，并在设计阶段进行相应的改进。