بررسی مدل سازی هوشمند ترانزیستور ماسفت در عصر نانومتری: مروری بر روش های یادگیری ماشین، شبکه های عصبی آگاه از فیزیک و چالش های فناوری های زیر ۲۲ نانومتر

ترانزیستور اثر میدان فلز-اکسید-نیمه رسانا یا ماسفت به عنوان سنگ بنای الکترونیک مدرن، با ورود به فناوری های زیر ۲۲ نانومتر با چالش های بی سابقه ای نظیر اثرات کوانتومی، تونل زنی مستقیم گیت و نوسانات تصادفی ناخالصی مواجه شده است. این مقاله به مرور نظام مند پیشینه پژوهش در زمینه مدل سازی ماسفت از مدل های تحلیلی شاکلی تا رویکردهای نوین یادگیری ماشین می پردازد. بررسی داده های تجربی نشان می دهد که در فناوری ۲۲ نانومتر، عدم تطابق جریان درین به ۱۴.۴ درصد و در فناوری ۵ نانومتر انحراف معیار ولتاژ آستانه به ۵۵ میلی ولت می رسد. جریان تونل زنی گیت در فناوری ۱۴ نانومتر تا ۴۱ درصد جریان درین در ناحیه خاموشی را تشکیل می دهد. شبکه های عصبی آگاه از فیزیک با گنجاندن معادلات پواسون و پیوستگی در تابع هزینه، به خطای کمتر از ۰.۶ درصد و قابلیت تعمیم ۸۵ درصد دست یافته اند. نتیجه گیری نهایی آن است که رویکردهای ترکیبی فیزیک-محور و داده محور، آینده مدل سازی قطعات نیمه رسانا در ابعاد اتمی خواهند بود.

Keywords:

ماسفت , یادگیری ماشین , شبکه عصبی آگاه از فیزیک , مدل سازی غیرخطی , اثرات کوانتومی , عدم تطابق , تونل زنی گیت , فناوری نانومتری