심층신경망을 이용한 Total Ionizing Dose 및 Displacement Defect에 의한 Saddle Fin DRAM의 열화 특성 예측

Abstract

본 논문에서는 saddle fin dynamic random access memory (DRAM) 에 대한 total ionizing dose (TID) 와 displacement defect (DD) 영향을 Technology Computer-Aided Design (TCAD) simulation과 deep neural network (DNN) 를 사용해 조사하였다. Trap의 energy level, 농도, 위치 그리고 면적을 변수로 설정하였고, TCAD를 사용하여 saddle fin DRAM의 전류-전압 특성 dataset을 생성하였다. TCAD dataset을 전처리 과정을 거친 경우와 전처리를 하지 않은 경우로 나누어 DNN의 예측 정확도를 비교하였다. 그 결과 전처리 과정을 거쳐 훈련된 모델은 전처리 과정을 하지 않은 훈련 모델보다 mean square error (MSE) loss가 80 % 증가함과 동시에 R2 score가 37 % 증가하였다. 따라서 DNN을 활용한 정확한 예측을 위해서는 전처리 과정이 필수적이다.