一种基于机器学习的半导体器件性能相关特征结构参数自动筛选方法

    公开(公告)号:CN115099126A

    公开(公告)日:2022-09-23

    申请号:CN202210569523.2

    申请日:2022-05-24

    IPC分类号: G06F30/27 G06N20/00

    摘要: 本发明公开了一种基于机器学习的半导体器件性能相关特征结构参数自动筛选方法,包括:获取器件性能数据集,训练并建立性能预测的机器学习回归模型A,获得器件性能指标;基于特征选择算法,根据器件结构参数在模型中所占权重得到每个器件结构参数重要程度指数;用学习曲线找出该指数最佳阈值,剔除小于最佳阈值的所有器件结构参数,将筛选后的训练特征结构参数子集进行训练,获取器件性能预测回归模型B;将筛选后的测试特征结构参数子集输入训练好的B,获得器件性能指标;将B获得的器件性能指标与A的进行比较,若性能更好,则获取B对应的特征结构参数集;否则重新设计阈值的优化。本发明方法省时高效,精度高,设计成本低。

    一种基于样本数据的半导体器件仿真结果置信度分析方法

    公开(公告)号:CN115062549A

    公开(公告)日:2022-09-16

    申请号:CN202210825760.0

    申请日:2022-07-14

    IPC分类号: G06F30/27 G06N20/00 G06K9/62

    摘要: 本发明是一种基于样本数据的半导体器件仿真结果置信度分析方法,包括如下步骤:步骤1:根据实际样本空间数据来源,分别设置所述实际样本空间数据的置信度权重;步骤2:根据待仿真的器件结构参数,设置邻域半径;步骤3:根据相似性函数将邻域半径内空间点的结构参数与仿真样本结构参数代入所述相似性函数,计算得到邻域半径内空间点的结构参数与仿真样本结构参数之间的相似性;步骤4:根据相似性计算结果,计算获取邻域样本空间相对于仿真样本的置信度。本发明将样本数据的置信度引入置信度公式,有效提高了置信度评估的精度,通过控制邻域的数值,不仅可考虑小范围邻域空间,也可考虑整体数据区间,能有效指导设计进程。