基于神经网络的CMOS反相器电磁可靠性预测方法技术

基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，包括以下步骤；步骤1：通过TCAD器件建模，完成CMOS反相器的物理模型搭建与基本特性的验证；步骤2：筛选影响CMOS反相器电磁可靠特性的参数；步骤3：通过控制变量法改变参数输入组合进行仿真实验，获得样本集；步骤4：建立神经网络预测CMOS反相器在不同条件之下的毁伤类型，针对不同毁伤类型的情况下分别预测步骤2中的两种电磁毁伤量化参数；步骤5：利用所述样本集数据训练神经网络；步骤6：最后利用测试集数据对训练完成的网络进行功能验证和效果评估。本发明专利技术通过神经网络预测的方式，能够很快获得CMOS反相器的电磁可靠特性预测，并且通过工作条件实现对CMOS反相器电磁损伤类型的分类。

【技术实现步骤摘要】

本专利技术属于cmos反相器的电磁可靠特性预测，具体涉及一种基于神经网络的cmos反相器电磁可靠性预测方法。

技术介绍

1、cmos反相器是数字电路的基本单元，业界对于研究cmos反相器在电磁环境下的损伤过程和损伤机理，以及相应的加固方法有愈加凸显的需求。cmos包含pmos和nmos，其在hpm作用下的损伤机理相对基本mosfet单器件更加复杂。业界基于电路模型的仿真方式通常难以获得准确的电磁可靠特性预测，而通过tcad等物理仿真软件通常耗时漫长，而且需要研究人员掌握大量数理知识，半导体知识与复杂的仿真软件操作方法。

2、目前业界对于cmos器件与电路的电磁可靠性研究通常是基于电路级仿真与基于器件数值模拟工具tcad建立模型的混合仿真。现有的cmos反相器的电路模型基于eda或者工艺厂商的器件模型与基于实际工艺或实验的提参方法。而tcad建立器件模型，需要利用软件建立结构模型、设置掺杂、划分网格，根据所需仿真设置物理模型，建立器件模型与电路模型的混合仿真电路，再通过求解器求解物理模型对应的载流子连续性方程、泊松方程、晶格温度方程等微分方程。<本文档来自技高网...

【技术保护点】

1.基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，包括以下步骤；

2.根据权利要求1所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述步骤1具体为：基于TCAD建立器件数值物理模型，搭建用于进行CMOS反相器HPM损伤研究的仿真电路；

3.根据权利要求2所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述器件数值物理模型为CMOS反相器，CMOS反相器内部设置寄生晶体管Q1、寄生晶体管Q2、寄生电阻RS和寄生电阻RW；

4.根据权利要求3所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于...

【技术特征摘要】

1.基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，包括以下步骤；

2.根据权利要求1所述的基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，所述步骤1具体为：基于tcad建立器件数值物理模型，搭建用于进行cmos反相器hpm损伤研究的仿真电路；

3.根据权利要求2所述的基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，所述器件数值物理模型为cmos反相器，cmos反相器内部设置寄生晶体管q1、寄生晶体管q2、寄生电阻rs和寄生电阻rw；

4.根据权利要求3所述的基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，所述cmos反相器电磁损伤研究的仿真电路中，cmos反相器的工作电压为1.5v，栅极输入周期为20ns的方波信号，方波信号的高电平为1.5v，低电平为0v，上升/下降时间为1ns，占空比为50％；

5.根据权利要求4所述的基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，所述步骤2中，确定cmos反相器的偏置电压、hpm峰值电压、hpm频率、上升下降时间为cmos反相器的电磁损伤特性的影...

【专利技术属性】
技术研发人员：王树龙，陈荟锴，潘锦斌，周浩，黎浏滔，冯旺龙，严杏圆，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：