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-VolatileRandomAccess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