文献

J-GLOBAL ID：202202286022455214   整理番号：22A0857100

人工ニューラルネットワークを用いた共鳴トンネリングダイオードの劣化のモデリング【JST・京大機械翻訳】

Modeling of the Degradation of Resonant-Tunneling Diodes Using Artificial Neural Networks

著者 (3件)： Pchelintsev K. P. (Bauman Moscow State Technical University, Moscow, Russia) ,  Vetrova N. A. (Bauman Moscow State Technical University, Moscow, Russia) ,  Shashurin V. D. (Bauman Moscow State Technical University, Moscow, Russia)
資料名： Journal of Surface Investigation: X-Ray, Synchrotron and Neutron Techniques  (Journal of Surface Investigation: X-Ray, Synchrotron and Neutron Techniques)
巻： 16  号： 1  ページ： 82-85  発行年： 2022年 
JST資料番号： W4669A  ISSN： 1027-4510  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 電荷キャリアの横方向輸送を有するナノスケール非線形要素に基づくデバイスは,様々な最新の無線電子システムで広く使用されている。しかし,現時点では,時間-最適または精度-最適アプローチが,そのような装置の時間因子および外部影響に関して操作パラメータを予測するために開発された。本論文では,フィードフォワード人工ニューラルネットワークに基づいて,キャリアの横方向輸送によるナノ電子デバイスの劣化のモデリングの問題を解決する変形を提案した。共鳴トンネルダイオードのシミュレーションにおけるニューラルネットワーク手法の使用は,そのようなモデルの速度を著しく(数桁)増加させることができる。低次元半導体ヘテロ構造ダイオードの信頼性試験から得たデータによる開発した人工ニューラルネットワークの訓練は,技術的誤差(製造中に発生する)と様々な劣化変化(時間に伴う,および共鳴トンネルダイオードの動作中の外部因子の影響)の影響を考慮することにより,モデル精度を数倍増加させることができる。Copyright Pleiades Publishing, Ltd. 2022. ISSN 1027-4510, Journal of Surface Investigation: X-ray, Synchrotron and Neutron Techniques, 2022, Vol. 16, No. 1, pp. 82-85. Copyright Pleiades Publishing, Ltd., 2022. Russian Text Copyright The Author(s), 2022, published in Poverkhnost’, 2022, No. 1, pp. 102-106. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ダイオード ,  半導体 ,  *ニューラルネットワーク ,  信頼性試験 ,  フィードフォワード ,  *モデリング ,  素子構造 ,  無線伝送 ,  モデル ,  電子装置 ,  共鳴トンネルダイオード ,  *共鳴トンネル効果
準シソーラス用語： ヘテロ構造 ,  ナノスケール ,  ワイヤレス ,  電荷キャリア , 【Automatic Indexing@JST】

著者キーワード (11件)： ヘテロ構造 ,  テラヘルツ範囲 ,  発振器 ,  半導体エピタキシャル層 ,  無線通信 ,  ナノエレクトロニクス ,  共鳴トンネルダイオード ,  数学モデリング ,  人工ニューラルネットワーク ,  パーセプトロン ,  劣化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 人工ニューラルネットワーク ,  共鳴トンネリング ,  ダイオード ,  モデリング