一种器件设计的参数优化方法及装置制造方法及图纸

本申请公开了一种器件设计的参数优化方法及装置，用以解决通过模拟软件进行器件设计耗时过长，效率较低，参数优化结果不理想的问题。该方法根据预设的器件的结构参数，采用模拟软件，创建训练数据集，其中，所述训练数据集包括器件的结构参数与电学性能参数；采用创建好的训练数据集，训练神经网络模型；根据训练好的神经网络模型与器件的目标电学性能参数，通过遗传算法反推确定所述目标电学性能参数对应的器件的结构参数的最优解。通过建立神经网络模型，可在器件的一定结构参数范围内形成对模拟软件的代理，从而加快器件设计的进程，提高器件设计的效率，并且，通过机器学习，可根据器件的结构参数与电学性能参数之间的对应关系，实现器件的参数优化。

【技术实现步骤摘要】
一种器件设计的参数优化方法及装置
本申请涉及器件设计
，尤其涉及一种器件设计的参数优化方法及装置。
技术介绍
在电子工业中，电子元器件的应用是必不可少的。在电子元器件的设计中，电子元器件的结构参数，包括器件所采用的材料、掺杂浓度、PN结的宽度等，决定了器件的响应速度、反向漏电流、电流导通能力等器件的电学性能的好坏。目前，在对器件进行设计时，通常采用模拟软件对器件进行仿真，以获得器件的不同结构参数分别对应的电学性能参数的值。但是，器件的各个结构参数与其电学性能之间的关系错综复杂，对其中任意一个结构参数进行调整，都可能导致多个其他结构参数或电学性能的变化。例如，在肖特基二极管中，PN结面积越大，则肖特基结面积越小，抗浪涌电流能力越强，但反向漏电流也越大。因此，现阶段通过模拟软件进行器件设计的仿真时，通常依赖于设计人员的经验，通过试凑的方法进行。这种方法容易受到设计人员自身认识的局限，并且需要的计算时间过长，还会出现仿真结果不收敛的情况，使得仿真效率较低。
技术实现思路
本申请实施例提供一种器件设计的参数优化方法及装置，用以解决通过模拟软件进行器件设计耗时过长，效率较低，参数优化结果不理想的问题。本申请实施例提供的一种器件设计的参数优化方法，包括：根据预设的器件结构参数，采用模拟软件，创建训练数据集，其中，所述训练数据集包括器件的结构参数与电学性能参数；采用创建好的训练数据集，训练神经网络模型；根据训练好的神经网络模型与器件的目标电学性能参数，通过遗传算法，确定所述目标电学性能参数对应的器件的结构参数的最优解。本申请实施例提供的一种器件设计的参数优化装置，包括：创建模块，用于根据预设的器件结构参数，采用模拟软件，创建训练数据集，其中，所述训练数据集包括器件的结构参数与电学性能参数；训练模块，用于采用创建好的训练数据集，训练神经网络模型；确定模块，用于根据训练好的神经网络模型与器件的目标电学性能参数，通过遗传算法，确定所述目标电学性能参数对应的器件的结构参数的最优解。本申请实施例提供一种器件设计的参数优化方法及装置，通过模拟软件获取器件的结构参数对应的电学性能参数值，以此创建训练数据集。在对神经网络模型进行训练后，可将训练完成的神经网络模型作为器件的结构参数的一定范围内模拟软件的代理模型，相比于模拟软件计算量大、耗时较长的模拟仿真过程，神经网络模型通过高速计算，可大幅缩短计算时间，从而提高器件设计的效率。基于神经网络模型确定出的器件的结构参数与电学性能参数的函数关系，可通过遗传算法进行寻优，以根据预设的器件的目标电学性能参数反推出相对应的结构参数。通过寻优获得的器件的结构参数，为该目标电学性能参数下，器件的最优结构参数，即器件设计的最佳方法。根据确定出的最优结构参数进行设计获得的器件，不仅能够达到目标电学性能参数的要求，满足器件的功能需求，并且在器件设计的结构布局等方面，也是相对最合理的。通过这种器件设计方法，可在较短的时间内，迅速确定出器件在一定目标电学参数下，所需的结构参数值，从而完成器件的设计。这样省去了大量的人工试凑、进行试验的过程，可有效节省设计人员的时间、精力等，实现器件设计的参数优化。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的器件设计的参数优化方法流程图；图2为本申请实施例提供的氮化铝高电子迁移率晶体管的器件结构示意图；图3为本申请实施例提供的机器学习拟合器件的电学性能参数曲线示意图；图4为本申请实施例提供的另一种器件设计的参数优化方法流程图；图5为本申请实施例提供的器件设计的参数优化装置结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在本申请实施例中，器件包括电子工业中应用到的各种类型的二极管、三极管等电子元器件，本申请实施例为方便描述，以氮化镓铝/氮化镓高电子迁移率晶体管(AlGaN/GaNHighelectronmobilitytransistor，AlGaN/GaNHEMT)为例进行说明。需要说明的是，除AlGaN/GaNHEMT之外，本申请实施例未提及的其他器件也可采用相同原理的方法，进行器件设计的参数优化。图1为本申请实施例提供的器件设计的参数优化方法流程图，具体包括以下步骤：S101：根据预设的器件的结构参数，采用模拟软件，创建训练数据集。在本申请实施例中，服务器可根据预设的器件的若干结构参数，通过模拟软件创建训练数据集。其中，器件的预设的结构参数，表示在器件设计中对器件的电学性能起主要影响作用的结构参数。预设的结构参数的种类与数量等可根据需要设置，本申请对此不做限定。具体的，服务器可根据预设的结构参数，确定各结构参数对应的不同的取值范围。在各结构参数的相应取值范围内，确定各结构参数的可能的取值。对各结构参数的不同取值进行组合，可形成大量组合数据，每一个组合数据都表示器件的一种设计条件。将上述每个组合数据输入仿真软件，通过仿真软件进行仿真，可针对每个组合数据，分别获得一组仿真出来的器件的电学性能参数的参数值。其中，电学性能参数为代表器件的某方面性能的参数，可包括器件的响应速度、反向漏电流、电流导通能力等。对于想要获得的器件的电学性能参数的种类以及数量，可根据需要设置，本申请对此不做限定。在一个实施例中，如表1所示，表1中第一栏表示器件的预设的结构参数，第二栏表示相应的结构参数的最小取值，第三栏表示相应的结构参数的最大取值。表1结构参数MinMax栅极、源极间距离(um)12栅极、漏极距离(um)515栅极电极厚度(um)13AIGaN层膜厚(nm)2030AIGaN层Al浓度(atm％)0.20.3具体的，如图2所示为AlGaN/GaNHEMT的器件结构示意图，AlGaN/GaNHEMT包括源极、漏极、栅极、AlGaN层以及GaN层。于是，器件AlGaN/GaNHEMT的预设结构参数可包括栅极与源极之间的距离、栅极与漏极之间的距离、栅极电极厚度、氮化铝镓层的膜厚、氮化铝镓层的铝浓度五个结构参数。在给定的五个结构参数的相应取值范围内，可对各个结构参数进行分别取值，并对不同取值进行任意组本文档来自技高网...

【技术保护点】
1.一种器件设计的参数优化方法，其特征在于，包括：/n根据预设的器件结构参数，采用模拟软件，创建训练数据集，其中，所述训练数据集包括器件的结构参数与电学性能参数；/n采用创建好的训练数据集，训练神经网络模型；/n根据训练好的神经网络模型与器件的目标电学性能参数，通过遗传算法，确定所述目标电学性能参数对应的器件的结构参数的最优解。/n

【技术特征摘要】
1.一种器件设计的参数优化方法，其特征在于，包括：
根据预设的器件结构参数，采用模拟软件，创建训练数据集，其中，所述训练数据集包括器件的结构参数与电学性能参数；
采用创建好的训练数据集，训练神经网络模型；
根据训练好的神经网络模型与器件的目标电学性能参数，通过遗传算法，确定所述目标电学性能参数对应的器件的结构参数的最优解。


2.根据权利要求1所述的方法，其特征在于，根据预设的器件的结构参数，采用模拟软件，创建训练数据集，具体包括：
根据器件的各个结构参数分别对应的取值，通过模拟软件确定器件相对应的电学性能参数；
将确定出的器件的电学性能参数与相应的各结构参数的取值，作为训练数据集。


3.根据权利要求2所述的方法，其特征在于，所述器件为氮化镓高电子迁移率晶体管；
所述预设的器件的结构参数包括以下任意一项或多项：栅极与源极之间的距离、栅极与漏极之间的距离、栅极电极厚度、氮化铝镓层的膜厚、氮化铝镓层的铝浓度。


4.根据权利要求1所述的方法，其特征在于，采用创建好的训练数据集，训练神经网络模型，具体包括：
根据所述模拟软件预先产生的器件的电学性能曲线，采用创建好的训练数据集，训练神经网络模型产生相同的拟合曲线。


5.根据权利要求4所述的方法，其特征在于，所述神经网络模型包括4个全连接层，所述4个全连接层分别包括32个、16个、16个、1个神经元。


6.根据权利要求...

【专利技术属性】
技术研发人员：舒天宇，王雅儒，梁庆瑞，李鹏，陈龙，
申请(专利权)人：山东天岳电子科技有限公司，
类型：发明
国别省市：山东;37