مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 8 2 2010 6 21 Application of Neuro Space Mapping in Modeling Semiconductor Devices کاربرد نگاشت فضايي عصبي در مدل‌سازي ادوات نيمه‌هادي 139 144 fa مهدی گردی ارمکی سیدابراهیم حسینی محمدکاظم انوري‌فرد 2015 11 25 In this paper an efficient method for modeling semiconductor devices using the drift-diffusion (DD) model and neural network is presented. Unlike HD model which is complicated, time consuming with high processing cost, the proposed method has lower complexity and higher simulate speed. In our method, a RBF neural network is used to modify DD parameters. The modified DD model can generate simulate results of accurate HD model. The proposed method is first applied to a silicon n-i-n diode in one dimension, and then to a silicon thin-film MOSFET in two dimensions, both for interpolation and extrapolation. The obtained results for basic variables, i.e., electron and potential distribution for different voltages, confirm the high efficiency of the proposed method. در اين مقاله روش جديد و کارآمدي براي مدل‌سازي دقيق افزاره‌هاي نيمه‌هادي با استفاده از مدل تقريبي و به کمک شبکه عصبي ارائه شده است. بر خلاف مدل‌هاي دقيق که داراي پيچيدگي بالا و هزينه زماني و پردازشي زيادي هستند، روش پيشنهادي از پيچيدگي کمتر و سرعت پردازش بيشتري برخوردار است. در اين روش از شبکه عصبي RBF براي محاسبه پارامتر اصلاحي در مدل نفوذ - رانش استفاده شده است. بدين صورت حل مدل تقريبي اصلاح‌شده منجر به جواب دقيق مي‌شود. روش پيشنهادي ابتدا براي ديود n - i - n سيليکوني به صورت يک‌بعدي و سپس براي ترانزيستور اثر ميداني سيليکوني به صورت دوبعدي براي دو حالت درون‌يابي و برون‌يابي در رنج محدود، شبيه‌سازي شده است که نتايج آن براي متغيرهاي اساسي مدل، مثل توزيع الکترون و پتانسيل در طول افزاره در ولتاژهاي مختلف، دقت بالاي روش پيشنهادي را تأييد مي‌کنند. http://ijece.org/en/Article/Download/27981