Studierender: Kai Arne Hannemann
Betreuer: Jan Dennis Reimer
Kurzfassung
Die Idee, neuronale Netze zur Sumilation von Gate-All-Around (GAA)-Transistoren zu verwenden, ist ein aufstrebendes Forschungsfeld, das darauf abzielt, die Einschränkungen traditioneller Simulationsmethoden für GAA-Transistoren zu überwinden. GAA-Transistoren sind eine vielversprechende Technologie zur Verbesserung der Leistung elektronischer Geräte, ihre Simulation ist jedoch aufgrund der komplexen 3D-Geometrie und den variierenden Materialeigenschaften der Transistoren schwierig, insbesondere im Hinblick auf die Gate-Kapazität, die für diese Art von Transitoren von besonderer Bedeutung ist. Traditionell werden GAA-Transistoren mittels SPICE-Simulation simuliert. SPICE-Simulationen sind laufzeittechnisch nicht möglich und sind daher nicht in der Lage, das Zeitverhalten für Multi-Millionen-Transistor-Netzlisten zu beschreiben. Traditionelle Switch-level-Simulationen können das Zeitverhalten von GAAs nicht präzise simulieren. Deshalb werden neue präziser Simulationstechniken benötigt, die sich auf den Bereich zwischen Switch-Level und elektrischen Level konzentrieren. Diese Arbeit untersucht daher die Machbarkeit von neuen effizienten, auf neuronalen Netzen basierenden Simulationstechniken, die auf GPUs verwendbar sind, um die Simulation von GAA-Transistoren zu ermöglichen.