تصحيح كوانتمي ادوات نيمه هادي با نگاشت فضايي عصبي

Quantum Correction in Semiconductor Devices Using Neuro Space Mapping

در اين مقاله روش جديدي براي مدلسازي ادوات نيمه هادي كوانتمي با استفاده از مدل نفوذ- رانش و شبكه عصبي ارائه شده است. بر خلاف روشهاي كوانتمي كه با پيچيدگي حل و مصرف زماني زياد همراه است، روش پيشنهادي داراي پيچيدگي و زمان شبيه سافري كمتري مي باشد. در اين روش شبكه عصبي MLP براي تصحيح پارامتري در مدل نفوذ- رانش به كار رفته است. از اينرو حل مدل تقريبي منجر به كسب پاسخ كوانتمي دقيقي خواهد شد. روش پيشنهادي براي شبيه سازي الكترون و پتاسيل براي ولتاژهاي مختلف، كارايي بالاي روش پيشنهادي را تأييد مي كند.

In this paper a new method for modeling quantum semiconductor devices using classical drift-diffusion (DD) model and neural network is presented. Unlike full quantum models which are complicated and time consuming, the proposed method has lower complexity and lower simulation time. In this method the MLP neural network has been used for correcting parameters in DD model. Therefore solving corrected DD model results in expedient quantum response. The proposed method applied to a 100 nm n-i-n diode with a potential barrier in the intrinsic region. The obtained results for basic variables such as, electron distribution and potential distribution in different voltages, confirm the high efficiency of the proposed method