با رشد سریع تکنولوژی، ساخت مدارهای الکتریکی به سمت نانو پیش می رود که با کاهش ابعاد قطعات، می توان از قطعات بیشتری در مدارات بهره برد. یکی از محتمل ترین جایگزینهای ترانزیستورهای سیلیکونی، به خاطر خصوصیات الکترونی عالی و ظرفیت بالای حمل جریان، ترانزیستورهای نانو لوله کربنی است. با نانو متری شدن ابعاد قطعات با توجه به محدودیتها و بروز اثرات مکانیک کوانتم محاسبه معادلات پیچیده و زمانبر می شود و این برای مدارات در ابعاد بزرگ مسئله مهمی است. لذا علاوه بر روشهای عددی و زمانبری که برای مدلسازی ترانزیستور cntfet وجود دارد، نیاز به مدلی دقیق و سریع داریم که بتوان قطعه را شبیه سازی کرد و از آن در زیر مدارات و مدارات ابعاد بزرگ نیز استفاده کرد. در این پایان نامه از مدل عددی بالیستیک fettoy برای بدست آوردن داده ی آموزش برای شبکه های هوشمند مصنوعی استفاده شده است. همچنین با استفاده از روش انتخاب ویژگی های uta به بررسی پارامترهای موثر پرداخته ایم. در انتها از ساختار دقیق و پر سرعت پیشنهادی هوشمند عصبی به عنوان زیر مدار برای اجرا در نرم افزار شبیه ساز hspice استفاده شده است. نتایج بدست آمده بیانگر هماهنگی و دقت مدل پیشنهادی در زیر مدارات نانو برای اجرا در شبیه ساز است.