ANN神经网络——器件建模

随着半导体行业的新材料、新工艺、新器件的不断发展，人工神经网络作为一种替代方法已经被引入器件建模领域。本文介绍了ANN神经网络建模的起源、优势、实现方式和应用场景。

随着半导体行业的新材料、新工艺、新器件的不断发展，现有的模型已经不能够完全精确地表征新器件的特性。从底层物理调整或者开发一个新的器件模型需要反复实验摸索，需要很长时间，况且对一些新材料、新器件的特性效应也没有完善准确的特性方程描述，出现了理论落后于工业的局面。为了克服新的器件模型和理论不完善的问题，人工神经网络作为一种替代方法已经被引入器件建模领域。

ANN模型及其优势

自1995年加拿大卡尔顿大学的Qi-Jun Zhang教授提出将神经网络用于微波领域以来，神经网络 (Artificial Neural Network, ANN)被越来越多的建模工作者认可，并不断被研究发展。值得一提的是Keysight 在这方面的研究成果：在2017年时，ADS发布了DaynaFET模型（它是基于ANN的方式实现的）；紧接着2018年，IC-CAP支持DaynaFET模型参数抽取；到2022年IC-CAP发布了较成熟的通用的ANN建模解决方案——ANN Model Generator。

下面介绍神经网络的基本结构以便于更好地理解神经网络。一个典型的神经网络结构如图1中所示，它有两种类型的基本元件，即处理元件以及它们之间的互联。处理元件叫做神经元，将神经元之间的连接叫链接或突触。每一个链接有与其相对应的权重参数。每个神经元接收来自和它相连的其他神经元的刺激，处理信息，并产生相应的响应。神经元根据接受刺激和输出刺激等不同分为输入神经元、输出神经元和隐含层神经元。这个处理过程通过一个激活函数来完成，处理后的信息成为该神经元的输出。最常用的神经元激活函数是sigmoid，还有其他类型的，例如反正切函数、双曲正切函数等。所有的这些函数是平滑的开关函数，它们是有界的、连续的、单调的和连续可微的。

ANN听着神秘，其实还是一段程序，别被这个高深的术语给唬住了。又说神经网络自带学习能力，其学习的过程简单来说也就是一个优化的过程。优化即修正，修正什么呢？修正的是中间层程序的一些可调（权重）系数。

图1：ANN模型及其优势

如何实现ANN模型

IC-CAP中的人工神经网络(ANN)解决方案提供了创建非线性模型构建模块(例如，受控电流源和受控电荷源)的能力，可以轻松配置以从数据中产生准确的器件模型。并且可以直接生成Verilog-A模型，可以很容易地将其导入集成电路设计环境。此外，它同时也将创建一个ANN Equation文件。

与其他ANN解决方案(如TensorFlow, Scikit-Learn或Matlab ANN Toolbox)相比，Keysight ANN实现具有独特的功能。Keysight解决方案提供了高级的拟合能力，可以从(x,y)和(x, dy/dx)类型的数据集训练ANN，其中x是输入，y是输出，dy/dx是输出的(偏)导数。

图2：IC-CAP 中使用ANN对Diode建模示例

图2所示是在IC-CAP中使用ANN进行Diode建模的示例，展示了使用ANN的方法能够完美地拟合Diode的IV特性曲线，并且能够进行一定的扩展预测。

人工神经网络模型最重要的步骤是人工神经网络训练 ，通过训练可以不断更新权重 ，以便达到最佳 的训练和测试误差。图3所示是建立一个ANN模型所需要经历的步骤：训练，评估，输出。训练ANN模型需要大量的训练数据，数据越多，精度越高，但也会消耗更多的时间。所以通常会在精度与速度之间做平衡。

图3:IC-CAP中使用ANN建模的流程

ANN模型的应用场景

ANN在IC-CAP中只是作为一种工具包引入，我们可以基于此工具包做一些扩展应用。或许在我们器件建模及电路设计中达到事半功倍的效果。这里简单列一些应用场景和方向。

1、新工艺或新应用的器件模型建立

在量子计算机和量子传感器中，通常需要低温电接口，而低温电接口可以使用工作在低温下的CMOS集成电路(cryo-CMOS)方便地实现。设计复杂的电路需要可靠的仿真模型，但CMOS晶体管在低温下的电特性与室温下的行为有很大的差异，而且目前还没有一个标准的基于物理的超低温CMOS器件模型。这种情况下，可以使用人工神经网络(ANN)，直接从实验数据自动生成cryo-CMOS器件模型。Artificial Neural Network Modelling for Cryo-CMOS Devices 这篇文献提到了这方面的应用。

图4：cryo-CMOS从ANN建模到ADS仿真

2、功率器件建模

在功率器件中，其结构因为不同场景的需要会针对性地做一些调整。而这就使得器件模型并没有一个标准化的模型，需要根据实际的器件特性来修改模型公式。这一过程需要工程师具备很强的半导体器件物理相关的知识，并且需要大量的时间反复的验证迭代才能完成。假如使用ANN来建立功率器件的模型，只需要收集足够的表征器件特性的数据，就可以在不具备工艺信息，半导体器件相关知识的条件下，快速生成一个可以用于电路设计仿真的器件模型。

3、Hybrid方法应用

在做Compact模型或等效电路模型时，受模型的局限性，有时候很难fitting好某些区域的精度。但根据经验知道它和某些输入是有一定的关系，而这种关系却很难找到，这时候就可以借助IC-CAP ANN工具包来帮助找到这样的关系式，并用这个公式来取代原来的常量参数。例如，这里Kp在原来的等效电路模型中是一个常量，根据经验它实际上和vgs有某种非线性的关系，通过ANN来找到了这种关系，并用这组关系来替代原来Kp这个常量参数。这样可以提高原来模型的精度。

图5：Hybrid建模方法

参考文献

1. Artificial Neural Network Modelling for Cryo-CMOS Devices

2. 基于人工神经网络的有源器件建模概述

3. IC-CAP ANN Modeling manual