| 講演名 | 2023-11-10 高精度デバイスモデリング手法の検討 中田 賢吾(金沢工大), 森 貴之(金沢工大), 井田 次郎(金沢工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ニューラルネットワーク(NN)を用いたデバイスモデルは推論速度が速いと言う強みがある一方で, モデリングが難しいと言う問題がある. そのため, 最近では, Berkeley Short-channel IGFET Model (BSIM)とNNモデルのハイブリットモデルが提案されている. しかし, この手法では, NNの良さである推論性能がBSIMによって律速される. そこで, 蒸留のように学習用のモデルを作成することで, NNモデル精度を向上させることができるのではないかと考えた. 本研究では, NNの学習用のモデルとして, NNモデルよりも低コストで学習可能かつ高精度なモデリングが可能な線形回帰モデルを用いたMOSFETのデバイスモデリングを行い, ドレイン電流のばらつき(3σ)が, 0.02%と高い精度でモデリングが可能であることが分かった. このモデルを活用することで, 現行よりも高精度なNNモデルの開発の可能性があると考えている. |
| 抄録(英) | Neural network (NN) models have the advantage of high inference speed, but they are difficult to modeling. For this reason, a hybrid model of the Berkeley Short-channel IGFET Model (BSIM) and the NN model has recently been proposed. However, in this approach, the inference performance, which is the good point of NN, is rate-limited by BSIM. Therefore, we wondered if the NN model accuracy could be improved by creating a model for training, as in distillation. In this study, device modeling of MOSFETs was conducted using a linear regression model as a model for training NN, which can be trained at a lower cost and with higher accuracy than NN models, and it was found that the drain current variation (3σ) could be modeled with a high accuracy of 0.02%. By utilizing this model, we believe there is a possibility to develop a NN model with higher accuracy than the current one. |
| キーワード(和) | ニューラルネットワーク / SPICE / 線形回帰 |
| キーワード(英) | neural network / SPICE / linear regression |
| 資料番号 | SDM2023-71 |
| 発行日 | 2023-11-02 (SDM) |
| 研究会情報 | |
| 研究会 | SDM |
|---|---|
| 開催期間 | 2023/11/9(から2日開催) |
| 開催地（和） | 機械振興会館 5階 5S-2 会議室 |
| 開催地（英） | |
| テーマ（和） | プロセス・デバイス・回路シミュレーションおよび一般 |
| テーマ（英） | Process, Device, Circuit simulation, etc. |
| 委員長氏名（和） | 大見 俊一郎(東工大) |
| 委員長氏名（英） | Shunichiro Ohmi(Tokyo Inst. of Tech.) |
| 副委員長氏名（和） | 宇佐美 達矢(ラピダス) |
| 副委員長氏名（英） | Tatsuya Usami(Rapidus) |
| 幹事氏名（和） | 諏訪 智之(東北大) / 野田 泰史(パナソニック) |
| 幹事氏名（英） | Tomoyuki Suwa(Tohoku Univ.) / Taiji Noda(Panasonic) |
| 幹事補佐氏名（和） | 細井 卓治(関西学院大) / 二瀬 卓也(ウエスタンデジタル) |
| 幹事補佐氏名（英） | Takuji Hosoi(Kwansei Gakuin Univ.) / Takuya Futase(Western Digital) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Silicon Device and Materials |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 高精度デバイスモデリング手法の検討 |
| サブタイトル（和） | ニューラルネットワークと線形回帰の比較 |
| タイトル（英） | Examination of high high-precision device modeling methods |
| サブタイトル（和） | Comparison of Neural Networks and Linear Regression |
| キーワード(1)（和/英） | ニューラルネットワーク / neural network |
| キーワード(2)（和/英） | SPICE / SPICE |
| キーワード(3)（和/英） | 線形回帰 / linear regression |
| 第 1 著者 氏名（和/英） | 中田 賢吾 / Kengo Nakata |
| 第 1 著者 所属（和/英） | 金沢工業大学(略称：金沢工大) Kanazawa Institute of Technology(略称：Kanazawa Inst. Tech.) |
| 第 2 著者 氏名（和/英） | 森 貴之 / Takayuki Mori |
| 第 2 著者 所属（和/英） | 金沢工業大学(略称：金沢工大) Kanazawa Institute of Technology(略称：Kanazawa Inst. Tech.) |
| 第 3 著者 氏名（和/英） | 井田 次郎 / Jiro Ida |
| 第 3 著者 所属（和/英） | 金沢工業大学(略称：金沢工大) Kanazawa Institute of Technology(略称：Kanazawa Inst. Tech.) |
| 発表年月日 | 2023-11-10 |
| 資料番号 | SDM2023-71 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | SDM-250 |
| ページ範囲 | pp.36-40(SDM), |
| ページ数 | 5 |
| 発行日 | 2023-11-02 (SDM) |