명령들을 저장하는 메모리와 상기 명령들을 실행하는 프로세서를 포함하는 반도체 소자 모델링 시스템의 반도체 소자 모델링 방법이 개시된다. 상기 반도체 소자 모델링 시스템의 반도체 소자 모델링 방법은 상기 프로세서는 명령들을 저장하는 메모리와 상기 명령들을 실행하는 프로세서를 포함하는 반도체 소자 모델링 시스템의 반도체 소자 모델링 방법은 상기 프로세서는 제1신경망을 훈련시키기 위해 제1반도체 소자의 복수의 제1전압 데이터 세트들과, 제1전기용량 데이터, 제1전류 데이터, 또는 제1전하 데이터를 포함하는 제1훈련 데이터 세트들을 수신하
명령들을 저장하는 메모리와 상기 명령들을 실행하는 프로세서를 포함하는 반도체 소자 모델링 시스템의 반도체 소자 모델링 방법이 개시된다. 상기 반도체 소자 모델링 시스템의 반도체 소자 모델링 방법은 상기 프로세서는 명령들을 저장하는 메모리와 상기 명령들을 실행하는 프로세서를 포함하는 반도체 소자 모델링 시스템의 반도체 소자 모델링 방법은 상기 프로세서는 제1신경망을 훈련시키기 위해 제1반도체 소자의 복수의 제1전압 데이터 세트들과, 제1전기용량 데이터, 제1전류 데이터, 또는 제1전하 데이터를 포함하는 제1훈련 데이터 세트들을 수신하는 단계, 상기 프로세서는 상기 복수의 제1전압 데이터 세트들을 상기 제1신경망의 입력에 적용하여 제2전기용량 데이터, 제2전류 데이터, 또는 제2전하 데이터를 결정하는 단계, 상기 프로세서는 상기 수신된 제1전기용량 데이터, 상기 수신된 제1전류 데이터, 또는 상기 제1전하 데이터와, 상기 결정된 제2전기용량 데이터, 상기 결정된 제2전류 데이터, 또는 상기 결정된 제2전하 데이터의 비교에 따라 상기 제1신경망의 파라미터들을 업데이트하는 단계, 상기 프로세서는 제2신경망에서 상기 제1신경망의 업데이트된 파라미터들 중 적어도 어느 하나를 재사용(reuse)하기 위해 상기 파라미터들 중 적어도 어느 하나를 상기 제2신경망으로 전달하는 단계, 상기 프로세서는 상기 제2신경망을 훈련시키기 위해 제2반도체 소자의 복수의 제2전압 데이터 세트들과, 제3전기용량 데이터, 제3전류 데이터, 또는 제3전하 데이터를 포함하는 제2훈련 데이터를 수신하는 단계, 상기 프로세서는 상기 복수의 제2전압 데이터 세트들을 상기 제2신경망의 입력에 적용하여 제4전기용량 데이터, 제4전류 데이터, 또는 제4전하 데이터를 결정하는 단계, 및 상기 프로세서는 상기 수신된 제3전기용량 데이터, 상기 수신된 제3전류 데이터, 또는 상기 수신된 제3전하 데이터와, 상기 결정된 제4전기용량 데이터, 상기 결정된 제4전류 데이터, 또는 상기 결정된 제4전하 데이터의 비교에 따라 상기 제2신경망의 파라미터들을 업데이트하는 단계를 포함한다.
대표청구항▼
명령들을 저장하는 메모리(13)와 상기 명령들을 실행하는 프로세서(11)를 포함하는 반도체 소자 모델링 시스템(10)의 반도체 소자 모델링 방법에 있어서, 상기 프로세서(11)는 제1신경망(neural network; 150)을 훈련시키기 위해 제1반도체 소자의 복수의 제1전압 데이터 세트들(V1, V2, V3)과, 제1전기용량(capacitance) 데이터(CT), 제1전류 데이터(IT), 또는 제1전하 데이터(QT)를 포함하는 제1훈련 데이터 세트들(110)을 수신하는 단계; 상기 프로세서는 상기 복수의 제1전압 데이터 세트들(
명령들을 저장하는 메모리(13)와 상기 명령들을 실행하는 프로세서(11)를 포함하는 반도체 소자 모델링 시스템(10)의 반도체 소자 모델링 방법에 있어서, 상기 프로세서(11)는 제1신경망(neural network; 150)을 훈련시키기 위해 제1반도체 소자의 복수의 제1전압 데이터 세트들(V1, V2, V3)과, 제1전기용량(capacitance) 데이터(CT), 제1전류 데이터(IT), 또는 제1전하 데이터(QT)를 포함하는 제1훈련 데이터 세트들(110)을 수신하는 단계; 상기 프로세서는 상기 복수의 제1전압 데이터 세트들(110)을 상기 제1신경망(150)의 입력에 적용하여 제2전기용량 데이터(CO), 제2전류 데이터(IO), 또는 제2전하 데이터(QO)를 결정하는 단계; 상기 프로세서는 상기 수신된 제1전기용량 데이터(CT), 상기 수신된 제1전류 데이터(IT), 또는 상기 제1전하 데이터(QT)와, 상기 결정된 제2전기용량 데이터(CO), 상기 결정된 제2전류 데이터(IO), 또는 상기 결정된 제2전하 데이터(QO)의 비교에 따라 상기 제1신경망(150)의 파라미터들(parameters)을 업데이트하는 단계; 상기 프로세서는 제2신경망(175, 185)에서 상기 제1신경망(150)의 업데이트된 파라미터들 중 적어도 어느 하나를 재사용(reuse)하기 위해 상기 파라미터들 중 적어도 어느 하나를 상기 제2신경망(175, 185)으로 전달하는 단계; 상기 프로세서는 상기 제2신경망(175, 185)을 훈련시키기 위해 제2반도체 소자의 복수의 제2전압 데이터 세트들(V4,V5,V6,또는 V7, V8, V9)과, 제3전기용량 데이터(CT2, 또는 CT3), 제3전류 데이터(IT2, 또는 IT3), 또는 제3전하 데이터(QT2, 또는 QT3)를 포함하는 제2훈련 데이터 세트들을 수신하는 단계; 상기 프로세서는 상기 복수의 제2전압 데이터 세트들을 상기 제2신경망(175, 185)의 입력에 적용하여 제4전기용량 데이터(미도시), 제4전류 데이터(미도시), 또는 제4전하 데이터(미도시)를 결정하는 단계; 및상기 프로세서는 상기 수신된 제3전기용량 데이터(CT2, 또는 CT3), 상기 수신된 제3전류 데이터(IT2, 또는 IT3), 또는 상기 수신된 제3전하 데이터(QT2, 또는 QT3)와, 상기 결정된 제4전기용량 데이터(미도시), 상기 결정된 제4전류 데이터(미도시), 또는 상기 결정된 제4전하 데이터의 비교에 따라 상기 제2신경망(175, 또는 185)의 파라미터들을 업데이트하는 단계를 포함하는 반도체 소자 모델링 시스템의 반도체 소자 모델링 방법.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.