메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
류민상 (경상국립대학교) 하종현 (경상국립대학교) 이경엽 (경상국립대학교) 서민기 (경상국립대학교) 방민지 (경상국립대학교) 이다복 (경상국립대학교) 김정식 (경상국립대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제60권 제11호(통권 제552호)
발행연도
2023.11
수록면
29 - 37 (9page)
DOI
10.5573/ieie.2023.60.11.29

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 saddle fin dynamic random access memory (DRAM) 에 대한 total ionizing dose (TID) 와 displacement defect (DD) 영향을 Technology Computer-Aided Design (TCAD) simulation과 deep neural network (DNN) 를 사용해 조사하였다. Trap의 energy level, 농도, 위치 그리고 면적을 변수로 설정하였고, TCAD를 사용하여 saddle fin DRAM의 전류-전압 특성 dataset을 생성하였다. TCAD dataset을 전처리 과정을 거친 경우와 전처리를 하지 않은 경우로 나누어 DNN의 예측 정확도를 비교하였다. 그 결과 전처리 과정을 거쳐 훈련된 모델은 전처리 과정을 하지 않은 훈련 모델보다 mean square error (MSE) loss가 80 % 증가함과 동시에 R² score가 37 % 증가하였다. 따라서 DNN을 활용한 정확한 예측을 위해서는 전처리 과정이 필수적이다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 시뮬레이션 결과 분석
Ⅳ. 결론
REFERENCES

참고문헌 (32)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088240308