http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
머신러닝을 이용한 나노시트 전계효과 트랜지스터의 구조변화에 대한 영향도 분석
박건호(Geonho Park),김정식(Jungsik Kim) 대한전자공학회 2021 전자공학회논문지 Vol.58 No.8
본 연구에서는 Gradient boosting model을 이용한 나노시트 전계효과 트랜지스터의 파라미터 변화에 대한 영향도를 분석하였다. T-CAD 시뮬레이션을 이용하여 머신러닝을 학습시키기 위한 데이터를 추출하였다. Gradient boosting model 중에서 XGBoost와 LightGBM 알고리즘의 정확도를 비교하고, 높은 정확도의 알고리즘에 따른 파라미터의 중요도를 분석하였다. 이러한 T-CAD 시뮬레이션과 머신 러닝의 활용을 통해서 반도체 소자의 발전에 시간과 비용을 획기적으로 줄일 수 있다. In this paper, a gradient boosting model is used to analyze the impact of parameter changes in nanosheet field effect transistor (NSFET). The data is extracted by a technical-computer aided design (T-CAD) simulation to learn machine-learning. Among the gradient tree boosting models, the accuracy of XGBoost and LightGBM (LGBM) algorithm were compared, and the importance was also analyzed. Through the combination of T-CAD simulation and machine-learning, the time and cost should be saved for development of semiconductor devices.