公开(公告)号：CN115525860A

公开(公告)日：2022-12-27

申请号：CN202110711866.3

申请日：2021-06-25

Applicant: 湖南大学

Inventor： 刘杰 ,  石孟超 ,  李明元 ,  丁茜

IPC: G06F17/11 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06Q50/04 ,  G16C10/00 ,  G16C20/70

Abstract: 本发明属于半导体工艺领域，公开了一种基于人工智能算法的半导体工艺高速微观设计方法。本发明首先利用深度学习和主动学习的人工智能算法训练体系的高维势能面模型，再对模型的精度进行测试，在保证与第一性原理计算的高精度的前提下，利用势能面模型来优化半导体工艺。基于深度势能的模型可以更快速的计算半导体工艺中原子晶格的相变、杂质原子的扩散、离子注入、光刻、刻蚀、薄膜沉积和生长问题。本发明基于人工智能的算法实现了高维势能面的拟合，能对半导体工艺进行微观设计，具有计算精度高、计算速度快、设计周期短和设计成本低等特点。

公开(公告)号：CN115525861A

公开(公告)日：2022-12-27

申请号：CN202110715896.1

申请日：2021-06-25

Applicant: 湖南大学

Inventor： 刘杰 ,  丁茜

IPC: G06F17/11 ,  G06F17/15 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于电子设计自动化领域，公开了一种基于神经网络的多子带玻尔兹曼输运方程的求解方法。本发明首先关于纳米尺度的晶体管电子输运问题建立玻尔兹曼‑薛定谔‑泊松系统；对仿真器件在时间、位置空间和波矢空间上进行网格划分；通过确定性方法自洽求解多子带玻尔兹曼输运方程生成训练数据集；将玻尔兹曼输运方程改写成神经偏微分方程的形式把神经网络嵌入其中，构成神经玻尔兹曼方程；将平衡态电子分布函数与当前电子分布函数之间的差值作为神经网络的输入，输出作为神经玻尔兹曼方程右端散射项的待逼近部分；基于时间序列建模策略训练神经网络，训练好的神经网络可以使神经玻尔兹曼输运方程的解作为电子分布的精确近似解，在确保精度的同时极大提升计算效率。