文献

J-GLOBAL ID：201902225401471372   整理番号：19A1939535

新世代設計技術共最適化(DTCO):機械学習支援モデリングフレームワーク【JST・京大機械翻訳】

New-Generation Design-Technology Co-Optimization (DTCO): Machine-Learning Assisted Modeling Framework

著者 (9件)： Zhang Zhe (Institute of Microelectronics, Peking University, Beijing, 100871, China) ,  Wang Runsheng (Institute of Microelectronics, Peking University, Beijing, 100871, China) ,  Chen Cheng (Institute of Microelectronics, Peking University, Beijing, 100871, China) ,  Huang Qianqian (Institute of Microelectronics, Peking University, Beijing, 100871, China) ,  Wang Yangyuan (Institute of Microelectronics, Peking University, Beijing, 100871, China) ,  Hu Cheng (Synopsys, Inc., Mountain View, CA, 94043, USA) ,  Wu Dehuang (Synopsys, Inc., Mountain View, CA, 94043, USA) ,  Wang Joddy (Synopsys, Inc., Mountain View, CA, 94043, USA) ,  Huang Ru (Institute of Microelectronics, Peking University, Beijing, 100871, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SNW  ページ： 1-2  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,設計技術共同最適化(DTCO)フローにおける機械学習支援モデリングフレームワークを提案した。ニューラルネットワーク(NN)に基づく代理モデルを,デバイス物理学の事前知識なしに,デバイスと回路の電気特性を予測するための新しいデバイスのコンパクトモデルの代替として用いた。このモデル化フレームワークを,デバイスと回路レベルにおける高い予測精度を持つFinFETで実証し,検証した。データ処理と予測結果についての詳細を論じた。さらに,素子と回路特性を予測するために,新しい機構デバイストンネルFET(TFET)に同じ枠組みを適用した。本研究は,DTCO流動のための新しいモデリング方法を提供した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機構部品 ,  予測 ,  回路特性 ,  *機械学習 ,  電気特性 ,  データ処理 ,  ニューラルネットワーク ,  *最適化 ,  *モデリング
準シソーラス用語： トンネル電界効果トランジスタ ,  予測精度 ,  コンパクトモデル ,  事前知識 ,  代用モデル ,  *設計技術 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 設計 ,  最適化 ,  機械学習 ,  支援 ,  モデリング ,  フレームワーク