一种基于人工神经网络的PCM阻值预测方法技术

本发明专利技术公开了一种基于人工神经网络的PCM阻值预测方法，包括以下步骤：步骤S1：选取样本数据；步骤S2：将数据进行仿真处理；步骤S3：将仿真数据转化为数组，并进行归一化处理；步骤S4：将处理后的数据分为训练集和测试集；步骤S5：搭建神经网络模型，将训练集的数据通过神经网络进行训练；步骤S6：将测试集的数据通过训练好的神经网络进行测试。本发明专利技术通过选取合适的相变存储器尺寸参数作为神经网络的样本，进行神经网络模型的搭建，通过训练集数据样本对神经网络进行训练，通过测试集数据样本对神经网络进行测试，保证了神经网络的输出准确性，将PCM的阻值预测与人工神经网络进行结合，达到快速准确预测PCM阻值的目的，减少了PCM阻值预测的时长。

A prediction method of PCM resistance based on artificial neural network

【技术实现步骤摘要】
一种基于人工神经网络的PCM阻值预测方法
本专利技术涉及存储器
，尤其涉及一种基于人工神经网络的PCM阻值预测方法。
技术介绍
当今世界信息技术发展迅猛，人类社会进入了大数据时代，人们通过不断地创造、获取信息而逐步形成了一个庞大的数据网络，如何高效完整地保存这些数据给存储领域带来了诸多挑战，因此为了对海量信息进行存储，人们对于发展高速存储器的需求也显得越来越迫切。目前，市场上的主流存储器件包括动态随机存储器(DynamicRandomAccessMemory，DRAM)与闪存(FlashMemory，FM)，DRAM和FM占据了半导体存储的大部分市场，传统的DRAM具有容量大、读写速度快、可靠性高等优点，但是存在破坏性读取等缺点，FM虽然具有容量大，非易失性等优点，但是存在存取速度慢，工作电压较高等缺点，且随着存储器的持续发展，DRAM与FM在尺寸缩小方向进入瓶颈，基于此，人们迫切需要开发出理想的半导体存储器来解决存储技术上所面临的问题，近年来，人们开始致力于研究新型非易失性存储器(Non-VolatileRandomAccessMemory，NVM)来解决传统存储设备所带的问题，其中典型的NVM包括相变存储器(PhaseChangeRandomAccessMemory，PRAM)、磁性随机存储器(MagneticRandomAccessMemory，MRAM)、阻变存储器(ResistiveSwitchingRandomAccessMemory，RRAM)、铁电存储器(FerroelectricRandomAccessMemory，FeRAM)，与传统的存储设备相比，新型存储器件具有更高的集成度、更低功耗以及非易失性等优点。PCM(PhaseChangeMemory,即相变存储器)是一种非易失存储设备,利用材料的可逆转的相变来存储信息。利用特殊材料(比如硫族化合物)在晶态和非晶态巨大的导电性差异来存储数据。PCM是业界公认的第四代相变存储器的最成熟的技术,以其高集成度、低功耗等特点被认为是替代DRAM的新型NVM技术之一。PCM的具体实现是利用电能产生的热量变化使得相变材料在晶态(低阻)与非晶态(高阻)之间相互转换,因此可以用非晶态代表“0”,晶态代表“1”从而实现信息的存储。信息的读取操作主要是在PCM两端加一个低电压，若得到一个较大电流则此时PCM的代表状态为“1”，反之存储为“0”。综上，对于PCM阻值是影响其存储性能的关键因素，所以对于PCM的阻值进行测量和预测具有很重要的意义。传统对于PCM阻值仿真的方式是通过ANSYS、COMSOL等仿真工具的研究居多，也有通过MATLAB或者C++等自行设计仿真算法并编写仿真程序来得到PCM的阻值，但是使用类似的仿真软件，或者自己编写的仿真代码都有一个通病，就是当施加一个比较复杂的脉冲时仿真时间会大大延长，如果预估很多组不同参数的相变存储器的阻值那仿真时间将更加的漫长。例如，一种在中国专利文献上公开的“相变存储器器件单元测试系统及测试方法”，其公告号：CN1905077B，其申请日：2013年10月30日，包括由主控计算机、脉冲信号发生器、数字信号源、微控探针台和转换连接部件组成的测试系统；通过通用接口总线使主控计算机与脉冲信号发生器和数字信号源相连；主控计算机通过控制卡以及控制电缆使脉冲信号发生器和数字信号源与微控探针台相连；所述的转换连接部件通过控制电缆与主控计算机相连，且它与脉冲信号发生器、数字信号源和微控探针台相连，主控计算机通过控制卡控制微控探针台在脉冲信号发生器和数字信号源之间切换；微控探针台的两个探针分别与相变存储器的上、下电极接触，构成一个相变存储器器件单元；通过相对应的操作软件模块进行电流-电压测试、电压-电流测试、电阻与写脉高测试、电阻与写脉宽测试、电阻与擦脉高的测试、电阻与擦脉宽测试或疲劳特性测试。通过仿真代码软件对相变存储器进行单元测试，依然存在当施加一个比较复杂的脉冲时仿真时间较长的问题。
技术实现思路
本专利技术主要解决现有的技术存在对PCM阻值预测时耗时较长的问题；提供一种基于人工神经网络的PCM阻值预测方法，对相变存储器的阻值进行快速预测，提升相变存储器阻值估计效率。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于人工神经网络的PCM阻值预测方法，包括以下步骤：步骤S1：选取样本数据；步骤S2：将数据进行仿真处理；步骤S3：将仿真数据转化为数组，并进行归一化处理；步骤S4：将处理后的数据分为训练集和测试集；步骤S5：搭建神经网络模型，将训练集的数据通过神经网络进行训练；步骤S6：将测试集的数据通过训练好的神经网络进行测试。通过选取合适的样本后制作神经网络模型，利用训练集数据对神经网络进行训练，利用测试集数据对神经网络进行测试，当测试集对神经网络的测试不通过时，将神经网络返回训练集继续进行训练，直到训练好的神经网络通过测试集数据的测试，当神经网络训练好后，即可实现对任意尺寸的任意初始状态的相变存储器，施加任意脉冲后的阻值预测，无需等待太长时间，大大减少了PCM的阻值预测时长，实现对相变存储器的阻值进行快速预测，提升相变存储器阻值估计效率。作为优选，所述的步骤S1中，数据集的获取通过许多固定尺寸下的不同相态作为初始状态，相变层长宽高的范围分别是400-1400nm,400-1400nm,100-400nm，首先确定具体的固定尺寸，长和宽的维度以200nm为步长，即长选择(400,600,800，...，1400)宽选择(400,600,800，...，1400)，高维度以100nm为步长选择(100,200,300,400)，不同长宽高进行排列组合共6*6*4种，排除掉重复的组合后共84种不同尺寸，每种尺寸以全晶态为初始态施加一个脉冲，逐渐增大脉冲幅值获得不同的相态，每种尺寸下的相态数目为每个数量级(百，千，万，十万)3-4个，百万数量级选取1-2个，总共的相态个数在16个，由此，得出的不同固定尺寸下的相态为84*16＝1344种。将相变层固定尺寸下的不同相态用电阻表示，相变存储器的尺寸参数包括相变存储器的上下电极的长宽高、相变层的长宽高、加热层的长宽高、脉冲波形的幅值以及脉冲波形的脉宽。作为优选，所述的步骤S2中，根据步骤S1得到的不同固定尺寸下的相态进行仿真，除了固定初始态对应的相变层尺寸，其余尺寸和脉冲参数都设置为随机值，每种初始相态随机仿真8次，获得11000组数据。作为优选，所述的步骤S3中，对数据进行归一化的方法为：将最大值设为1，最小值设为0，对每个参数按比例进行缩小到0至1之间，使处理完后的输入数据都是0到1之间的数值。由于输入参数的种类不相同，数值差异较大，需要对输入参数进行处理，应对这类问题的主要解决策略为将输入参数中的尺寸参数和脉冲参数进行最大最小归一化处理，同时，因为相变存储器在不同脉冲参数下的阻值差异很大，高阻态与低阻态相差4个数量级，因此对输出的阻值参数和输入参数中的初始阻值参数采用取对数的操作，即使用numpy库中的对数运算函数np.log本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络的PCM阻值预测方法，其特征在于，包括以下步骤：/n步骤S1：选取样本数据；/n步骤S2：将数据进行仿真处理；/n步骤S3：将仿真数据转化为数组，并进行归一化处理；/n步骤S4：将处理后的数据分为训练集和测试集；/n步骤S5：搭建神经网络模型，将训练集的数据通过神经网络进行训练；/n步骤S6：将测试集的数据通过训练好的神经网络进行测试。/n

【技术特征摘要】
1.一种基于人工神经网络的PCM阻值预测方法，其特征在于，包括以下步骤：
步骤S1：选取样本数据；
步骤S2：将数据进行仿真处理；
步骤S3：将仿真数据转化为数组，并进行归一化处理；
步骤S4：将处理后的数据分为训练集和测试集；
步骤S5：搭建神经网络模型，将训练集的数据通过神经网络进行训练；
步骤S6：将测试集的数据通过训练好的神经网络进行测试。


2.根据权利要求1所述的一种基于人工神经网络的PCM阻值预测方法，其特征在于，所述步骤S1中，数据集的获取通过许多固定尺寸下的不同相态作为初始状态，相变层长宽高的范围分别是400-1400nm,400-1400nm,100-400nm，首先确定具体的固定尺寸，长和宽的维度以200nm为步长，即长选择(400,600,800，...，1400)宽选择(400,600,800，...，1400)，高维度以100nm为步长选择(100,200,300,400)，不同长宽高进行排列组合共6*6*4种，排除掉重复的组合后共84种不同尺寸，每种尺寸以全晶态为初始态施加一个脉冲，逐渐增大脉冲幅值获得不同的相态，每种尺寸下的相态数目为每个数量级(百，千，万，十万)3-4个，百万数量级选取1-2个，总共的相态个数在16个，由此，得出的不同固定尺寸下的相态为84*16＝1344种。


3.根据权利要求1或2所述的一种基于人工神经网络的PCM阻值预测方法，其特征在于，所述步骤S2中，根据步骤S1得到的不同固定尺寸下的相态进行仿真，除了固定初始态对应的相变层尺寸，其余尺寸和脉冲参数都设置为随机值，每种初始相态随机仿真8次，获得11000组数据。


4.根据权利要求1所述的一种基于人工神经网络的PCM阻值预测方法，其特征在于，所述步骤S3中，对数据进行归一化的方法为：...

【专利技术属性】
技术研发人员：赵寿生，崔建业，张波，赵冠军，姚晖，苏毅方，张一航，方旭光，朱泽厅，陈州浩，邵先军，童力，金超，徐洁，黄洁敏，俞勤政，
申请(专利权)人：国网浙江省电力有限公司金华供电公司，国网浙江省电力有限公司，国家电网有限公司，
类型：发明
国别省市：浙江;33