.png){kind=icon}
返回
The shift to data-driven microelectronics: machine learning for MOSFET modeling, design, and reliability
.png){kind=icon}
PRE
AI
DOI：10.1007/s10825-026-02552-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文系统综述了机器学习（ML）在金属-氧化物-半导体场效应晶体管（MOSFET）技术中的前沿应用、关键挑战及未来发展方向。随着器件尺寸缩小至纳米尺度，传统设计方法面临短沟道效应、工艺变异及高建模复杂性等挑战。凭借其强大的数据驱动建模和高维非线性映射能力，机器学习为MOSFET性能预测、逆向设计、紧凑建模、工艺变异分析和可靠性评估提供了新范式。本文详细分析了ML在多个关键领域的具体应用案例和方法论演变，突显其在提升设计效率和优化器件性能方面的显著优势。同时，该综述指出了当前ML应用中的核心瓶颈，包括数据依赖性、模型可解释性、泛化能力和物理一致性等问题。此外，还概述了未来研究方向，如少样本学习、物理信息融合、跨平台通用建模以及智能电子设计自动化集成，以促进机器学习与半导体技术的深度融合与协同创新。
Keyword:
Machine learning
MOSFET
Performance prediction
Inverse design
Compact modeling
Reliability assessment
期刊
IF:
2.5
论文数:
156
被引数:
2.9K
机构
引用论文
Enriched fault detection and classification for MOSFET via Wavelet Visu transform and isolate network基于Wavelet Visu变换和隔离网络的MOSFET增强型故障检测与分类
PREAI
分享收藏A Machine Learning Approach for Optimization of Channel Geometry and Source/Drain Doping Profile of Stacked Nanosheet Transistors一种用于优化堆叠纳米片晶体管通道几何形状和源/漏掺杂剖面的机器学习方法
PREAI
分享收藏
An Ensemble MLP-RF Model for the Prediction of DG-MOSFETs: Addressing Fabrication Process Variations
PREAI
分享收藏Prediction method for the remaining useful life of power MOSFETs based on deep learning基于深度学习的功率MOSFET剩余使用寿命预测方法.png)
IF0
PREAI
分享收藏Mamun, K.M.; Pala, N.; Shawkat, M.S.A. A comprehensive review of machine learning approaches for semiconductor device modeling and simulation. IEEE Access 2025, 13, 3605856. [Google Scholar] [CrossRef]Mamun, K.M.; Pala, N.; Shawkat, M.S.A. 机器学习在半导体器件建模与仿真中的应用综述。IEEE Access 2025, 13, 3605856. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容