[发明专利]使用输入预处理和转换目标用于训练深度神经网络的半导体器件建模

摘要

一种基于深度神经网络的半导体器件建模系统和方法。通过对测试晶体管的测量来收集训练数据，所述训练数据包括栅极和漏极电压、晶体管宽度和长度、以及在上述输入条件下测量的漏极电流。所述训练数据通过输入预处理模块进行转换，所述输入预处理模块可采用对输入数据求对数或执行主成分分析(PCA)的方法。在训练深度神经网络时，不是将测量漏极电流用作拟合目标，而是将目标转换模块产生的转换漏极电流作为拟合目标，转换方法例如漏极电流关于栅极或漏极电压的导数，或其导数的对数。将输入数据经过深度神经网络的输出与转换漏极电流进行比较得到总误差，通过在训练期间对深度神经网络的权重进行调整，来不断减小总误差值，最终完成训练。

主权项

1.一种半导体器件建模系统，包括：包含多个节点的深度神经网络，每个节点使用权重缩放节点输入，产生的节点输出传输到所述多个节点中的其他节点；输入，用于接收训练数据，所述训练数据表示晶体管的栅极电压和漏极电压，所述训练数据还包括所述晶体管的晶体管宽度和晶体管长度；输入预处理器，其从所述输入接收所述训练数据，所述输入预处理器将所述训练数据转换为预处理后的训练数据；其中所述预处理后的训练数据被应用于所述深度神经网络的输入；目标输入，其接收目标数据，所述目标数据表示，当所述训练数据表示的栅极电压和漏极电压被施加到所述晶体管时、测量的所述晶体管的漏极电流，而所述晶体管具有所述训练数据表示的晶体管宽度和晶体管长度；目标转换器，其从所述目标输入接收所述训练数据，所述目标转换器将表示漏极电流的目标数据转换为一个转换漏极电流值；损失函数发生器，其根据所述预处理训练数据并使用所述权重，将所述目标转换器产生的经过转换的漏极电流与所述深度神经网络产生的输出进行比较，其中所述损失函数发生器通过调整所述权重，将所述转换漏极电流值与所述深度神经网络产生的输出之间的损失函数值最小化；其中在所述深度神经网络的训练期间输入并处理多个所述训练数据和多个所述目标数据，以产生多个权重和损失函数值；其中在完成训练之后，选择最后一组权重，所述最后一组权重产生最小损失函数值；其中所述最后一组权重界定了所述晶体管的器件模型，所述晶体管使用所述深度神经网络进行仿真。