买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学;西安电子科技大学杭州研究院

摘要：本发明公开了一种基于门控神经网络的半导体器件模型参数提取方法及装置，其中方法包括：通过拉丁超立方采样生成初始数据集；初始数据集包括多个电数据样本及其对应的一组真实模型参数；对初始数据集进行关于是否满足物理规律的数据质量筛选，得到优化数据集；利用优化数据集训练门控神经网络模型，得到预训练的门控神经网络模型；该门控神经网络模型包括个专家网络、个门控网络和个塔网络；门控网络能够为个专家网络分别生成门控分数；训练时根据模型参数损失值和门控分数调整门控神经网络模型的网络权重参数。本发明通过结合神经网络与门控机制和模型感知技术，能够更准确、高效地从测量数据中提取半导体器件模型参数。

主权项：1.一种基于门控神经网络的半导体器件模型参数提取方法，其特征在于，包括：通过拉丁超立方采样生成初始数据集；所述初始数据集包括多个电数据样本和每个电数据样本对应的一组真实模型参数；每个电数据样本模拟一个半导体器件；对所述初始数据集进行关于是否满足物理规律的数据质量筛选，得到优化数据集；利用所述优化数据集训练门控神经网络模型，得到预训练的门控神经网络模型；当需要进行半导体器件模型参数提取时，将半导体器件的电数据输入至预训练的门控神经网络模型，以使该门控神经网络模型根据该电数据预测该半导体器件的一组模型参数；其中，所述门控神经网络模型包括个专家网络、个门控网络和个塔网络；所述个门控网络与所述个塔网络一一对应；所述个塔网络与所述门控神经网络模型要预测的个模型参数一一对应，≥2，≥2；所述个专家网络，分别用于从所述电数据中提取与预测半导体器件的一组模型参数相关的特征；每个所述门控网络，用于根据所述电数据为所述个专家网络分别生成门控分数，并利用所述门控分数对所述个专家网络提取的特征进行加权融合，形成加权融合特征；每个所述塔网络，用于根据对应的门控网络输出的加权融合特征预测该塔网络对应的模型参数；在训练所述门控神经网络模型时，基于模型参数的重要性因子计算模型参数损失值，根据模型参数损失值和门控分数调整训练中的门控神经网络模型的网络权重参数；其中，模型参数的重要性因子，与模型参数和电数据样本间的相关性正相关；计算所述模型参数损失值的损失函数为： ； ；其中，表示电数据样本对应的一组真实模型参数中的第个模型参数，；表示训练中的门控神经网络模型根据所对应预测的一组模型参数中的第个模型参数，为计算均方误差的函数，为的均方误差损失，为的重要性因子，该重要性因子与正相关，为和之间的相关性指标，为计算相关性的函数，表示第个模型参数损失值；在根据模型参数损失值和门控分数调整训练中的门控神经网络模型的网络权重参数时，第个专家网络的网络权重参数调整方式如下： ； ；其中，表示计算梯度，表示第个专家网络的网络权重参数，表示第轮训练结束时第个专家网络的网络权重参数，表示第轮训练结束时第个专家网络的网络权重参数，表示学习率，表示求导，表示第个专家网络，表示第个门控网络，表示当训练中的门控神经网络模型输入为时，第个门控网络为第个专家网络提供的门控分数。

全文数据：

权利要求：

百度查询： 西安电子科技大学 西安电子科技大学杭州研究院 基于门控神经网络的半导体器件模型参数提取方法及装置