상세 보기
심층신경망을 이용한 Total Ionizing Dose 및 Displacement Defect에 의한 Saddle Fin DRAM의 열화 특성 예측
Prediction of Degradation Characteristics in Saddle Fin DRAM Due to Total Ionizing Dose and Displacement Defect using Deep Neural Network
- 류민상;
- 하종현;
- 이경엽;
- 서민기;
- 방민지;
- ... 김정식;
- 외 1명
Citations
WEB OF SCIENCE
0Citations
SCOPUS
0초록
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.
키워드
Machine learning; DNN; Saddle fin DRAM; TCAD; TID; DD
- 제목
- 심층신경망을 이용한 Total Ionizing Dose 및 Displacement Defect에 의한 Saddle Fin DRAM의 열화 특성 예측
- 제목 (타언어)
- Prediction of Degradation Characteristics in Saddle Fin DRAM Due to Total Ionizing Dose and Displacement Defect using Deep Neural Network
- 저자
- 류민상; 하종현; 이경엽; 서민기; 방민지; 이다복; 김정식
- 발행일
- 2023-11
- 저널명
- 전자공학회논문지
- 권
- 60
- 호
- 11
- 페이지
- 29 ~ 37