申请/专利权人:上海概伦电子股份有限公司
申请日:2023-12-13
公开(公告)日:2024-04-02
公开(公告)号:CN117807929A
主分类号:G06F30/3308
分类号:G06F30/3308;G06N20/00;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开一种基于深度学习的模型仿真预测方法,包括以下步骤:确定所述模型仿真所需的多个参数,针对每个参数设定可调边界;调用nanospice仿真器获取所述多个参数的多组数据,对所述多个参数基于各自的可调边界进行归一化处理;将归一化处理后的多个参数的数据输入预先配置的深度学习模型中以训练所述深度学习模型;获取当前需要仿真预测模型的参数输入训练之后的所述深度学习模型进行预测以获取预测结果。能够准确的对模型的电阻、电容数据进行预测,通过神经网络训练和预测不同参数下电流、电容随bias变化曲线,提高仿真预测效率。
主权项:1.一种基于深度学习的模型仿真预测方法,其特征在于,包括以下步骤:确定所述模型仿真所需的多个参数,针对每个参数设定可调边界;调用nanospice仿真器获取所述多个参数的多组数据,对所述多个参数基于各自的可调边界进行归一化处理;将归一化处理后的多个参数的数据输入预先配置的深度学习模型中以训练所述深度学习模型;获取当前需要仿真预测模型的参数输入训练之后的所述深度学习模型进行预测以获取预测结果。
全文数据:
权利要求:
百度查询: 上海概伦电子股份有限公司 一种基于深度学习的模型仿真预测方法及系统
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。