申请/专利权人:华南理工大学
申请日:2022-09-22
公开(公告)日:2022-12-16
公开(公告)号:CN115481570A
主分类号:G06F30/27
分类号:G06F30/27;G06F119/02
优先权:
专利状态码:有效-授权
法律状态:2023.05.05#授权;2023.01.03#实质审查的生效;2022.12.16#公开
摘要:本发明公开了一种基于残差网络的DTCO建模方法,属于芯片研发中工艺设计协同优化的技术领域,该方法所建半导体模型可以更快速地表征半导体器件,具有模型精度高、鲁棒性好的特点;包括如下步骤:S1获取神经网络替代模型的器件模型数据集数据,将器件模型数据集数据分割为初始训练集数据和初始测试集数据;S2对S1获得的初始训练集数据和初始测试集数据进行预处理得到预处理训练集和预处理测试集;S3创建神经网络替代模型,对神经网络替代模型中的隐藏层进行残差块堆叠结构处理;S4将S2获得的预处理训练集和预处理测试集放入残差网络结构进行参数的训练,得到器件神经网络替代模型。
主权项:1.一种基于残差网络的DTCO建模方法,其特征在于,包括如下步骤:S1获取神经网络替代模型的器件模型数据集数据,将器件模型数据集数据分割为初始训练集数据和初始测试集数据;S2对S1获得的初始训练集数据和初始测试集数据进行预处理得到预处理训练集和预处理测试集;S3创建神经网络替代模型,对神经网络替代模型中的隐藏层进行残差块堆叠结构处理;S4将S2获得的预处理训练集和预处理测试集放入残差网络结构进行参数的训练,得到器件神经网络替代模型。
全文数据:
权利要求:
百度查询: 华南理工大学 一种基于残差网络的DTCO建模方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。