论文部分内容阅读
提出了基于Levenberg-Marquardt BP神经网络的纳米MOSFET量子更正模型，并对拥有不同隐层、不同隐层神经元数的网络的训练精度和速度进行了研究对比。结果表明，包含2个隐层的网络可以获得高的训练速度和精度。该模型可用于快速预测纳米MOSFET Si层各点载流子量子密度，并对其电容及漏电流进行量子更正，其结果与Schroedinger-Poisson方程的吻合度很高。