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。
生物通微信公众号
生物通新浪微博
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