公开(公告)号：CN119476169A

公开(公告)日：2025-02-18

申请号：CN202411557484.X

申请日：2024-11-04

Applicant: 南京大学

Inventor： 邹宁睦 ,  陈文军 ,  张雅丽 ,  邱浩 ,  邸康健 ,  陈思霖

IPC: G06F30/39 ,  G06F30/27 ,  G06N3/092

Abstract: 本发明公开了一种基于Dueling DQN的改进BSIM参数提取方法，旨在提高在半导体器件建模中参数提取的效率与准确性，参数提取过程使用TCAD仿真数据和WAT测量数据，提取与沟道长度、宽度及电流、电容相关的参数，将BSIM参数提取问题建模为马尔可夫决策过程，通过创建Dueling DQN网络模型并进行模型训练，计算目标Q值和损失，更新Dueling DQN的网络参数；在训练过程中，计算均方根误差值，去除无效动作并处理偶数和奇数动作对，根据均方根误差值差异进行排序，通过模型收敛，得到收敛后的BSIM参数值。本发明方法能够在预设的误差范围内收敛，显著提升BSIM参数提取的效率和准确性。

公开(公告)号：CN119443012A

公开(公告)日：2025-02-14

申请号：CN202411557485.4

申请日：2024-11-04

Applicant: 南京大学

Inventor： 邹宁睦 ,  张雅丽 ,  陈文军 ,  傅玉祥 ,  邸康健 ,  陈思霖

IPC: G06F30/367 ,  G06N3/092 ,  G06N3/048 ,  G06N3/084 ,  G06F119/12 ,  G06F111/08 ,  G06F111/10

Abstract: 本发明公开了一种基于DQN算法的紧凑模型参数提取方法，首先采集器件的电流‑电压特性和电容‑电压特性曲线，确定需要提取的BSIM模型参数；然后使用Hspice对初始BSIM模型进行仿真，将BSIM模型的参数提取视为马尔可夫决策问题，与深度Q网络相结合，构建并训练NoisyNet‑DQN模型，并通过梯度下降方法更新网络参数，通过不断迭代提高NoisyNet‑DQN模型精度；最后通过Hspice仿真训练完成后的参数结果验证模型的有效性。本发明紧凑模型参数提取方法，有效提高了自动化参数提取的精度，解决了传统人工提取过程中存在的高度依赖经验和效率低下等问题。