مدل کردن و شبیه سازی ترانزیستور فت نانو وایر سیلیکونی با استفاده از شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده فنی و مهندسی
- نویسنده جلال رستمی منفرد
- استاد راهنما محسن حیاتی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
درعلم نیمه هادی هرچه ابعاد قطعه کوچکتر میشود اثرهای کانال کوتاه ومکانیک کوانتومی ( وجود ترازهای انرژی گسسته در لایه های الکترونی اتم ) روی مشخصه های ترانزیستور بیشترخود را ظاهرمی سازند ، وترانزیستورهای نانو وایر فت به عنوان یکی از مهمترین قطعات با کاهش قطر کانال به یک سیم نازک ، کنترل کانال را بخوبی انجام میدهند . این قطعات بطور گسترده در تکنولوژی cmos درحال توسعه هستند واین سبب میشود که در مدارات مجتمع پتانسیل خوبی برای استفاده داشته باشند . در نتیجه نیاز به داشتن یک مدل رفتاری درسطح مدار برای این قطعات ، درک فیزیک آن و برآورد محدودیتهای کیفی آن جهت استفاده درvlsi است. و این چنین مدلی می بایست قادر به آنالیز و شبیه سازی مدارهای شامل ترانزیستورهای نانو وایر فت پیچیده دریک زمان قابل قبول باشد. به همین دلیل دراین پروژه به مدلسازی مشخصه های ترانزیستورهای silicon nanowire fets برحسب پارامترهای قطعه (ضخامت اکسید گیت ، ضخامت سیلیکون یا ضخامت کانال ارتباطی سورس و درین ) و ولتاژهای ترمینالهای آن با استفاده از شبکه های عصبی مصنوعی و شبکه anfis پرداخته شده است . واین چنین مدلی در شبیه سازی یک اینورتر مقاوتی با استفاده از نرم افزار hspice بکار برده شده است .همچنین نتایج حاصل از شبیه سازی با روشهای گوناگون با هم مقایسه شده اند . که مدل عصبی دارای خطای کمتری نسبت به مدل anfis می باشد .
منابع مشابه
مدل کردن و شبیه سازی ترانزیستور ماسفت نانو لوله کربنی با استفاده از شبکه عصبی
چکیده ندارد.
15 صفحه اولمدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملمدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی
در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...
متن کاملشبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(ANN) در سواحل استان مازندران
چکیده امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیر زمینی مستلزم صرف هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد. در این تحقیق از شبکه عصبی مصنوعی (ANN) برای شبیه سازی شوری آب زیرزمینی در سواحل استان مازندران استفاده شد. بدین ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده فنی و مهندسی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023