論文の概要: Deep Learning Algorithm for Advanced Level-3 Inverse-Modeling of
Silicon-Carbide Power MOSFET Devices
- arxiv url: http://arxiv.org/abs/2310.17657v1
- Date: Mon, 16 Oct 2023 08:07:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-05 14:13:30.682247
- Title: Deep Learning Algorithm for Advanced Level-3 Inverse-Modeling of
Silicon-Carbide Power MOSFET Devices
- Title（参考訳）: シリコン炭化物パワーMOSFETデバイスの高次レベル3逆モデリングのためのディープラーニングアルゴリズム
- Authors: Massimo Orazio Spata, Sebastiano Battiato, Alessandro Ortis, Francesco
Rundo, Michele Calabretta, Carmelo Pino, Angelo Messina
- Abstract要約: 逆デバイスモデリングは、時間的に劣化したデバイスのドリフト物理パラメータを再構築したり、物理的構成を検索するのに適している。
SiCパワーデバイスのキーとなる応用は自動車分野である。
本研究の目的は、SiC Powerの物理パラメータを取得するためのディープラーニングベースのソリューションを提供することである。
- 参考スコア（独自算出の注目度）: 43.99494688206196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inverse modelling with deep learning algorithms involves training deep
architecture to predict device's parameters from its static behaviour. Inverse
device modelling is suitable to reconstruct drifted physical parameters of
devices temporally degraded or to retrieve physical configuration. There are
many variables that can influence the performance of an inverse modelling
method. In this work the authors propose a deep learning method trained for
retrieving physical parameters of Level-3 model of Power Silicon-Carbide MOSFET
(SiC Power MOS). The SiC devices are used in applications where classical
silicon devices failed due to high-temperature or high switching capability.
The key application of SiC power devices is in the automotive field (i.e. in
the field of electrical vehicles). Due to physiological degradation or
high-stressing environment, SiC Power MOS shows a significant drift of physical
parameters which can be monitored by using inverse modelling. The aim of this
work is to provide a possible deep learning-based solution for retrieving
physical parameters of the SiC Power MOSFET. Preliminary results based on the
retrieving of channel length of the device are reported. Channel length of
power MOSFET is a key parameter involved in the static and dynamic behaviour of
the device. The experimental results reported in this work confirmed the
effectiveness of a multi-layer perceptron designed to retrieve this parameter.
- Abstract（参考訳）: ディープラーニングアルゴリズムによる逆モデリングは、静的な振る舞いからデバイスのパラメータを予測するためにディープアーキテクチャをトレーニングする。
逆デバイスモデリングは、時間的に劣化したデバイスのドリフト物理パラメータを再構築したり、物理的構成を検索するのに適している。
逆モデリング法の性能に影響を与える多くの変数がある。
本研究では,炭化ケイ素MOSFET(SiC Power MOS)のレベル3モデルの物理パラメータを取得するためのディープラーニング手法を提案する。
SiCデバイスは、高温または高スイッチング能力のために古典的なシリコンデバイスが故障したアプリケーションで使用される。
SiCパワーデバイスのキーとなる応用は、自動車分野(すなわち電気自動車分野)である。
生理的劣化や高ストレス環境のため, SiC Power MOS は逆モデリングを用いて観測できる物理パラメータの顕著なドリフトを示す。
本研究の目的は,SiC Power MOSFETの物理パラメータを取得するためのディープラーニングベースのソリューションを提供することである。
装置のチャネル長の検索に基づく予備結果が報告される。
電力MOSFETのチャネル長は、デバイスの静的および動的動作に関わる重要なパラメータである。
本研究で報告した実験結果から, このパラメータを回収する多層パーセプトロンの有効性が確認された。
関連論文リスト
- Exploring Model Transferability through the Lens of Potential Energy [78.60851825944212]
トランスファーラーニングは、事前訓練されたディープラーニングモデルが広く利用可能であることから、コンピュータビジョンタスクにおいて重要になっている。
既存のトレーニング済みモデルの転送可能性の測定方法は、符号化された静的特徴とタスクラベルの間の統計的相関に依存する。
我々はこれらの課題に対処するために,PEDという物理に着想を得たアプローチを提案する。
論文 参考訳（メタデータ） (2023-08-29T07:15:57Z) - A Compact Model of Interface-Type Memristors Linking Physical and Device
Properties [0.0]
我々は、インタフェース型メムリスタに関連する輸送方程式を含むことで、広く使われているヤコプシックコンパクトモデルに適応する。
本分析は, デバイスの特性パラメータとモデルとの直接的な相関関係を示す。
この研究の明確な応用の1つは、関連する旋律デバイスの設計と製造を通知する能力である。
論文 参考訳（メタデータ） (2022-10-04T08:30:30Z) - Machine Learning model for gas-liquid interface reconstruction in CFD
numerical simulations [59.84561168501493]
流体の体積(VoF)法は多相流シミュレーションにおいて2つの不混和性流体間の界面を追跡・見つけるために広く用いられている。
VoF法の主なボトルネックは、計算コストが高く、非構造化グリッド上での精度が低いため、インタフェース再構成のステップである。
一般的な非構造化メッシュ上でのインタフェース再構築を高速化するために,グラフニューラルネットワーク(GNN)に基づく機械学習拡張VoF手法を提案する。
論文 参考訳（メタデータ） (2022-07-12T17:07:46Z) - End-to-End Learning of Hybrid Inverse Dynamics Models for Precise and
Compliant Impedance Control [16.88250694156719]
剛体力学モデルの物理的に一貫した慣性パラメータを同定できる新しいハイブリッドモデルの定式化を提案する。
7自由度マニピュレータ上での最先端の逆動力学モデルに対する我々のアプローチを比較した。
論文 参考訳（メタデータ） (2022-05-27T07:39:28Z) - Input-to-State Stable Neural Ordinary Differential Equations with
Applications to Transient Modeling of Circuits [11.636872461683742]
本稿では,入力から状態への安定な連続時間リカレントニューラルネットワークによってパラメータ化されたニューラル常微分方程式のクラスを提案する。
提案手法を用いて電子回路の動作モデルを安価にシミュレーションする。
論文 参考訳（メタデータ） (2022-02-14T01:51:05Z) - An Artificial Neural Network-Based Model Predictive Control for
Three-phase Flying Capacitor Multi-Level Inverter [2.3513645401551333]
モデル予測制御(MPC)は、単純な概念、高速な動的応答、優れた参照追跡のため、パワーエレクトロニクスで広く使われている。
最適なスイッチング状態を予測するためにシステムの数学的モデルに依存するため、パラメトリックな不確実性に悩まされる。
本稿では,ニューラルネットワーク(ANN)に基づくモデルフリー制御戦略を提案する。
論文 参考訳（メタデータ） (2021-10-15T13:54:08Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2021-10-02T01:21:38Z) - Physics-Integrated Variational Autoencoders for Robust and Interpretable
Generative Modeling [86.9726984929758]
我々は、不完全物理モデルの深部生成モデルへの統合に焦点を当てる。
本稿では,潜在空間の一部が物理によって基底づけられたVAEアーキテクチャを提案する。
合成および実世界のデータセットの集合に対して生成的性能改善を示す。
論文 参考訳（メタデータ） (2021-02-25T20:28:52Z) - Learning Compact Physics-Aware Delayed Photocurrent Models Using Dynamic
Mode Decomposition [1.933681537640272]
半導体デバイスにおける放射誘起光電流は、複雑な物理モデルを用いてシミュレートすることができる。
複数の個別回路要素の詳細なモデルを評価することは、計算上不可能である。
本稿では,大規模回路シミュレーションで実装可能な小型遅延光電流モデルの学習手順を示す。
論文 参考訳（メタデータ） (2020-08-27T18:21:46Z) - Entanglement generation via power-of-SWAP operations between dynamic
electron-spin qubits [62.997667081978825]
表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。
動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
論文 参考訳（メタデータ） (2020-01-15T19:00:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。