-
公开(公告)号：CN117807923A
公开(公告)日：2024-04-02
申请号：CN202311605313.5
申请日：2023-11-28
Applicant: 中国科学院上海微系统与信息技术研究所 , 广东省大湾区集成电路与系统应用研究院
IPC: G06F30/33 , G06F30/367 , G06F119/04
Abstract: 本发明提供一种采用反应‑扩散机理的器件老化模型以及建模方法。所述模型包括退化阶段模型与恢复阶段模型，退化阶段模型和恢复阶段模型均分为第一周期和后续周期，第一周期的退化阶段模型采用第一时间指数描述阈值电压的变化，第一周期的恢复阶段模型采用第二时间指数描述阈值电压的变化；后续周期的退化阶段模型和恢复阶段模型均采用第二时间指数描述阈值电压的变化。本发明的模型将第一周期的退化阶段和后续阶段区别对待，可以拟合不同周期的器件情况，并且在不同的电压偏置下都有较好的拟合结果。
-
公开(公告)号：CN115859790A
公开(公告)日：2023-03-28
申请号：CN202211475291.0
申请日：2022-11-23
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06F30/27 , G06N3/08 , G06N3/0442 , G06F119/04
Abstract: 本发明提供了一种动态老化过程在线预测方法，包括如下步骤：测试及阈值电压提取；以及建立模型及在线预测；所述建立模型及在线预测的步骤中，动态老化模型包括退化模型和恢复模型，通过选定的基准数据第一周期作为训练集输入LSTM神经网络训练建立，预测分别使用基准数据的后续周期和其余条件下的数据，验证准确性和普遍性。本发明基于机器学习数据驱动方法，针对PDSOI器件的特点，对动态老化过程进行在线预测，补充了NBTI恢复情况的预测，改进了已积累历史退化量器件的退化预测，结果具有准确性和普遍性。
-
公开(公告)号：CN117787152A
公开(公告)日：2024-03-29
申请号：CN202311607556.2
申请日：2023-11-28
Applicant: 中国科学院上海微系统与信息技术研究所 , 广东省大湾区集成电路与系统应用研究院
IPC: G06F30/33 , G06F30/367 , G06F119/04
Abstract: 本发明提供一种采用电荷俘获‑释放机理的器件老化模型以及建模方法。所述采用电荷俘获‑释放机理的器件老化模型包括退化阶段模型与恢复阶段模型，退化阶段和恢复阶段模型均分为第一周期和后续周期，第一周期采用第一系列拟合参数描述阈值电压的变化，后续周期采用第二系列拟合参数描述描述阈值电压的变化。本发明的模型将第一阶段和后续阶段区别对待，可以拟合不同周期的器件情况，并且在不同的电压偏置下都有较好的拟合结果。
-
公开(公告)号：CN115935804A
公开(公告)日：2023-04-07
申请号：CN202211479006.2
申请日：2022-11-23
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06F30/398 , G06F119/04 , G06F119/14
Abstract: 本发明提供了一种持续退化过程在线预测方法，包括如下步骤：测试及阈值电压提取；以及通过数据驱动方法建立退化模型及在线预测；所述建立模型及在线预测的步骤进一步包括：将原始退化数据集划分为前后两部分，前一部分作为训练集，后一部分作为测试集，两者不交叉；据时间序列滑动时间窗口方法对训练集和测试集进行划分；将划分好的训练集输入神经网络进行训练、调参；将预测结果对比原始测试数据计算误差。本发明基于机器学习数据驱动方法，针对PDSOI器件的特点，在受持续NBTI应力情况进行在线预测，有效提高了预测结果精度。
-
-
-
Search Results
4
records
(took 0.024 seconds)
