یک چارچوب بهینه سازی همزمان طراحی فرآیند با استفاده از هوش مصنوعی توضیح پذیر در گره ۲ نانومتر Gate-All-Around برای ترانزیستورهای نانوشیت

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 70

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EECMAI14_044

تاریخ نمایه سازی: 31 تیر 1405

چکیده مقاله:

مقیاس پذیری ترانزیستورها به زیر گره ۳ نانومتر با معرفی معماری های سه بعدی پیشرفته مانند ترانزیستورهای نانوشیت (Gate All-Around (GAA) همراه بوده است. پیچیدگی ذاتی این ساختارها وابستگی های متقابل قوی و غیرخطی بین پارامترهای طراحی فیزیکی مانند ابعاد نانوشیت و متغیرهای فرآیند (مانند کرنش مکانیکی و ترکیب آلیاژ کانال) ایجاد می کند. روش های بهینه سازی سنتی که این حوزه ها را به صورت جداگانه درمان می کنند در این فضای پارامتری با ابعاد بالا ناکارآمد هستند و اغلب به بهینه های جهانی نمی رسند. این مقاله یک چارچوب نوآورانه بهینه سازی همزمان طراحی فرآیند (PDCO) ارائه می دهد که هوش مصنوعی توضیح پذیر (XAI) را در هسته خود جاسازی می کند. ابتدا یک مجموعه داده جامع از رفتار الکتریکی ترانزیستور نانوشیت GAA تحت تغییرات پارامترهای کلیدی با استفاده از شبیه سازی های دقیق (Technology Computer-Aided Design (TCAD)) تولید می شود. سپس، یک شبکه عصبی مصنوعی به عنوان مدل جایگزین سریع و دقیق آموزش داده می شود تا رابطه پیچیده بین پارامترهای ورودی و اهداف خروجی مانند جریان روشن، جریان خاموش و ولتاژ آستانه را بیاموزد. برای غلبه بر طبیعت جعبه سیاه مدل های یادگیری عمیق، تکنیک SHAP (SHapley Additive exPlanations) برای تفسیر کمی سهم و رفتار هر پارامتر به کار گرفته می شود. این بینش های تفسیری مستقیما در یک حلقه بهینه سازی مبتنی بر الگوریتم ژنتیک (GA) استفاده می شوند تا چیدمان هندسی بهینه و شرایط فرآیند را همزمان پیدا کنند. نتایج شبیه سازی نشان می دهد که چارچوب پیشنهادی می تواند بهبود حدود ۱۱۲ درصد در نسبت on/off و کاهش حدود ۳۷ درصد در تغییرپذیری ولتاژ آستانه به دلیل نوسانات فرآیند در مقایسه با روش های متوالی سنتی به دست آورد. علاوه بر این، تحلیل های SHAP روابط فیزیکی پنهان و تعادل های بحرانی مانند رابطه غیرمونوتون بین کرنش مکانیکی و جریان نشتی را آشکار می کند. این کار نه تنها یک ابزار بهینه سازی قدرتمند ارائه می دهد بلکه راه را برای طراحی آگاهانه تر، قابل اعتمادتر و سریع تر دستگاه های نانومقیاس در گره های پیشرفته از طریق توضیح پذیری و درک علی هموار می کند.

کلیدواژه ها:

ترانزیستور نانوشیت (Gate-All-Around (GAA) ، بهینه سازی همزمان طراحی فرآیند (PDCO) ، هوش مصنوعی توضیح پذیر (XAI) ، SHAP ، گره ۲ نانومتر ، شبیه سازی TCAD ، مدل جایگزین ، الگوریتم ژنتیک

نویسندگان

امیر مسعود نباتی

دانشجوی ارشد دانشکده میکروالکترونیک دانشگاه جامع امام حسین (ع) شهر تهران کشور ایران

سید محمد علوی

دانشیار دانشکده میکروالکترونیک دانشگاه جامع امام حسین (ع)، شهر تهران کشور ایران