用于SPAD参数分析的前馈神经网络模型及其实验验证

《IEEE Photonics Journal》:Feedforward Neural Networks Model for SPAD Parameter Analysis with Experimental Validation

【字体: 大 中 小 】 时间:2026年05月19日 来源:IEEE Photonics Journal 2.4

编辑推荐:

   摘要:单光子雪崩二极管(SPAD)的性能高度依赖于其结构和尺寸。然而,通过技术计算机辅助设计(TCAD)仿真来预测性能通常计算成本高昂且耗时较长。本文提出了一种将前馈神经网络(FFNN)与TCAD仿真相结合的SPAD性能预测方法。该方法利用TCAD仿真结果作为FFNN模型的数据

  

摘要:

单光子雪崩二极管(SPAD)的性能高度依赖于其结构和尺寸。然而,通过技术计算机辅助设计(TCAD)仿真来预测性能通常计算成本高昂且耗时较长。本文提出了一种将前馈神经网络(FFNN)与TCAD仿真相结合的SPAD性能预测方法。该方法利用TCAD仿真结果作为FFNN模型的数据集,能够准确预测三个关键性能参数:击穿电压(BV)、暗计数率(DCR)和光子检测概率(PDP)。为确保模型可靠性,首先使用标准0.18 μm CMOS工艺制造的SPAD实验数据对TCAD参数进行了校准。结果显示,FFNN模型的预测结果与TCAD仿真结果非常吻合,决定系数(R2)分别为0.996、0.994和0.999。此外,与传统仿真方法相比,FFNN模型的仿真速度提高了大约三个数量级。这些结果表明了FFNN模型在SPAD设计中的快速和高精度优势,为高性能SPAD的快速迭代设计提供了有力工具。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号