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 هاي_ANFIS 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 ...