基于图Transformer的半导体TCAD场预测代理建模框架
《IEEE Journal of the Electron Devices Society》:A Data-Efficient Graph Transformer Surrogate for TCAD Simulation
【字体:
大
中
小
】
时间:2026年09月18日
来源:IEEE Journal of the Electron Devices Society 2.9
编辑推荐:
摘要:技术计算机辅助设计(TCAD)对于先进半导体器件的开发至关重要,能够实现器件特性的预测与优化。随着半导体器件向纳米尺度发展且结构复杂度不断增加,传统TCAD工具在处理大规模非结构化网格时面临显著的计算瓶颈。为缓解这些效率限制,基于深度学习的代理模型已成为加速仿真过程的
摘要:
技术计算机辅助设计(TCAD)对于先进半导体器件的开发至关重要,能够实现器件特性的预测与优化。随着半导体器件向纳米尺度发展且结构复杂度不断增加,传统TCAD工具在处理大规模非结构化网格时面临显著的计算瓶颈。为缓解这些效率限制,基于深度学习的代理模型已成为加速仿真过程的有前景的方法。本文提出了一种基于图Transformer的代理建模框架。通过将基于注意力的聚合与结构位置编码相结合,该模型增强了面向非结构化网格上TCAD场预测的拓扑感知节点表示。在45纳米MOSFET数据集上验证,所提出的架构在保持预测精度的同时降低了对训练数据的依赖。使用包含924个仿真样本的数据集,该模型达到了0.9985的R2得分和3.25×10??的均方误差(MSE)。与以往方法相比,该方法所需的训练数据量不到通常达到可比精度所需量的一半。此外,与传统数值求解器相比,所提出的代理模型在推理阶段实现了近694倍的加速。
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