机构名称：
¥ 1.0
摘要：在一个数据对实现突破变得越来越重要的世界中，微电子是一个数据稀疏且难以获取的领域。只有少数实体具有自动化半导体设备的制造和测试所需的基础架构。该基础架构对于生成用于使用新信息技术的足够数据至关重要。这种情况在大多数研究人员和行业之间产生了乳沟。为了解决此问题，本文将引入一种使用仿真工具和并行计算创建自定义数据集的广泛适用方法。使用卷积神经网络同时处理了我们获得的多I-V曲线，这使我们能够通过单个推断预测一套完整的设备特性。我们通过两个使用生成数据训练的有用深度学习模型的有用的深度学习模型来证明这种方法的潜力。我们认为，这项工作可以充当数据驱动方法的最新技术与更古典的半导体研究之间的桥梁，例如设备启动，收益工程或过程监控。此外，这项研究为任何人提供了在微电子学领域开始进行深度神经网络和机器学习实验的机会，而无需昂贵的实验基础架构。
Framework for TCAD augmented machine learning on multi
主要关键词
相关文件推荐
