بانک حل المسائل کتاب های دانشگاهی | شبيه سازی ترانزيستور FET نانو واير سيليكونی با استفاده از شبكه های عصبی مصنوعی

شبيه سازی ترانزيستور FET نانو واير سيليكونی با استفاده از شبكه های عصبی مصنوعی

شبيه سازی ترانزيستور FET نانو واير سيليكونی با استفاده از شبكه های عصبی مصنوعی

دانلود پروژه شبيه سازی ترانزيستور FET نانو واير سيليكونی با استفاده از شبكه های عصبی مصنوعی


تعداد صفحات: 100

فرمت: WORD



درفناوري نيمه هادي هرچه ابعاد قطعه كوچكتر ميشود اثرهاي كانال كوتاه ومكانيك كوانتومي ( وجود ترازهاي انرژي گسسته در لايه هاي الكتروني اتم ) روي مشخصه هاي ترانزيستور ، بيشترنمايان ميگردند . ترانزيستورهاي فت نانو واير سيليكوني به عنوان يكي از كانديداي جايگزيني ماسفتهاي كنوني با كاهش قطر كانال ، كنترل كانال زير گيت را بخوبي انجام ميدهند و همچنين پتانسيل خوبي براي استفاده در مدارات مجتمع دارند ؛ لذا نياز به داشتن يك مدل رفتاري درسطح مدار براي اين قطعه مي باشد . در نتيجه به ابزار جديدي براي مدل كردن آن نياز است بطوريكه علاوه بر دقت بالا ، سرعت شبيه سازي آن هم زياد باشد تا بتوان از اين مدل در سيمولاتورهاي مدار استفاده كرد . به همي ن جهت دراين پايان نامه به مدلسازي و شبيه سازي مشخصه هاي ترانزيستور فت نانو واير سيليكوني برحسب پارامترهاي قطعه (ضخامت اكسيد گيت ، ضخامت سيليكون يا ضخامت كانال ارتباطي سورس و درين ) و ولتاژهاي ترمينالهاي آن با استفاده از شبكه هاي عصبي مصنوعي و شبكه انطباقيANFIS پرداخته شده است.

داده هاي موردنياز جهت آموزش وتست شبكه هاي عصبي و شبكه ANFIS از برنامه SiNWFETToy2.0 بدست آمده اند. مقايسه بين نتايج نشان ميدهد كه خطاي ميانگين نسبي شبكه هايANFIS و شبكه عصبي پرسپترون چند لايه داراي مقادير كم و زمان شبيه سازي مشخصه هاي ترانزيستور نانو واير سيليكوني با استفاده از شبكه پرسپترون چند لايه در مقايسه با برنامه SiNWFETToy2.0 و ديگر شبكه ها كمتر ميباشد . در پايان مدل شبكه عصبي پرسپترون چند لايه كه داراي تعداد پارامترهاي كمتر در مقايسه با ديگر شبكه ها است ، در نرم افزار شبيه ساز مدار HSPICE پياده سازي شده است و با استفاده از آن يك اينورتر مقاومتي تست گرديده است.


1 فصل اول : ماهيت مقياس بندي ترانزيستور و فناوري نانو

مقدمه 4 1

-1- قانون مور 4

1-2- ترانزيستور ماسفت 5

1-2-1- مقياس بندي ماسفت 6

1-3- نتايج مقياس بندي 7

1- 3-1- اثرهاي كانال كوتاه 8

1- 3-2- اكسيد گيت 10

1- 4- مواد جديد 11

1-5- مقياس نانو 14

1-5-1- ساختارهاي قطعه غير كلاسيك 17

فصل دوم : فناوري نانو واير سيليكوني

مقدمه 19

2-1- فناوري نانو واير سيليكوني 19

2-1-1- فرايند ساخت 19

2-1-2- چالشهاي رشد نانو واير 22

2-1-3- كاربردهاي ترانزيستور فت نانو واير سيليكوني 22

2-2- ترانزيستور SNWT استوانه اي 23

2-3- شبيه سازي ترانزيستور SNWT 24

2-3-1- شماتيك شبيه سازي خود پايدار 24

25 NEGFروش -2-3-2

2-4- مدل سطح مداري SNWT 27

فصل سوم : شبكه هاي عصبي مصنوعي

مقدمه 30

3-1- ويژگي شبكه هاي عصبي مصنوعي30

3-2- نرون عصبي انسان 31

3-3- شبكه هاي پرسپترون چند لايه 35

3-4- انواع شبكه هاي عصبي مصنوعي از نظر برگشت پذيري 37

3-4-1- شبكه هاي پيشخور37

3-4-2- شبكه هاي پسخور37

3-5- مراحل طراحي يك شبكه عصبي مصنوعي37

3-5-1- طراحي معماري شبكه 37

3-5-2- تعيين نوع تابع فعاليت 38

3-5-3- آموزش شبكه 39

3-5-3-1- يادگيري با ناظر39

3-5-3-2- يادگيري بدون ناظر40

3-6- الگوريتم يادگيري شبكه هاي پرسپترون با رويكرد انتشار به عقب خطا 40

3-7- شبكه تابع بنيادي شعاعي 43

3-8- آموزش شبكه RBF 45

3-9- كاربرد شبكه هاي عصبي و محدوديتهاي آن 46

فصل چهارم : شبكه انطباقي ANFIS

مقدمه

4-1- قواعد اگر- آنگاه و سيستمهاي استنتاج فازي 49

4- 1-1- قواعد اگر – آنگاه فازي 49

4-1-2- سيستمهاي استنتاج فازي 50

4-2- شبكه هاي انطباقي 52

4-2-1- معماري و الگوريتمهاي يادگيري 52

4-2-2- معماري و اساس قاعده يادگيري 53

4-3- قانون يادگيري هيبريد 55

4-3-1- يادگيري دسته ( off line ) 55

4-3-2- يادگيري الگو ( on line ) 58

4-4- ANFIS : شبكه انطباقي مبتني بر سيستم استنتاج فازي 58

4- 4-1- معماري ANFIS .......... 58

4-4-2- الگوريتم يادگيري هيبريد 62

فصل پنجم : تحليل نتايج و پياده سازي روش ها


مقدمه 66

SiNWFETToy2.0برنامه -1-5

5-2- نرماليزه كردن داده هاي ورودي به شبكه و خطاي نسبي ميانگين 67

5-3- مدل شبكه عصبي ترانزيستور SNWT 68

5-4- مدل كردن SNWT با استفاده از شبكه عصبيMLP 68

5- 4-1- نتايج شبيه سازي SNWT با استفاده از شبكه عصبي MLP 69

5-5- نتايج شبيه سازي SNWT با استفاده از شبكه عصبيRBF 74

5-6- نتايج شبيه سازي SNWT با استفاده از شبكه ANFIS 77

5-7- مقايسه دقت و سرعت شبيه سازي SNWT با روشهاي مختلف 81

5-8- پياده سازي مدل شبكه عصبيSNWT در نرم افزار HSPICE 81

5- 8-1- شبيه سازي اينورترمقاومتي 82

نتيجه



دانلود در ادامه ...

فایل هایی که پس از خرید می توانید دانلود نمائید

10443_1527271082_1566728815_9525_4145_1027.zip4.39 MB
پرداخت و دانلود محصول
بررسی اعتبار کد دریافت کد تخفیف
مبلغ قابل پرداخت : 25,000 تومان پرداخت از طریق درگاه
انتقال به صفحه پرداخت