講演抄録/キーワード |
講演名 |
2021-11-12 16:45
Physics Informed Neural Networksを用いたシリコンナノワイヤ中のフォノン輸送解析 ○藤田悠摩・鈴木悠平・鎌倉良成(阪工大) SDM2021-66 エレソ技報アーカイブへのリンク:SDM2021-66 |
抄録 |
(和) |
偏微分方程式の近似解を求めることができるPhysics Informed Neural Networks (PINNs)を用いてフォノンボルツマン輸送方程式を解くことで,ドッグボーン型構造のSiに対して温度分布を計算した.PINNsにより求めた温度分布はモンテカルロ法により計算した温度分布と非常に似た傾向を示しており,準弾道性輸送効果のデバイスサイズ依存性を反映していることを示した.結果として,PINNsは構造の大きさに依存せずに一様の計算時間で推論を行えるため,デバイス設計の効率化が期待できる. |
(英) |
The temperature distribution was calculated for Si with a dogbone structure by solving the phonon-Boltzmann transport equation using Physics Informed Neural Networks (PINNs), which can get approximate solutions to partial differential equations. The temperature distribution calculated by PINNs shows a very similar trend to that calculated by Monte Carlo method, reflecting the device size dependence of the quasi-ballistic transport effect. As a result, PINNs is expected to provide efficient optimization of device designs because it can perform inference in a uniform calculation time independent of the size of the structure. |
キーワード |
(和) |
Physics Informed Neural Networks / ボルツマン輸送方程式 / シリコン / / / / / |
(英) |
physics Informed Neural Networks / Boltzmann transport equation / silicon / / / / / |
文献情報 |
信学技報, vol. 121, no. 235, SDM2021-66, pp. 72-76, 2021年11月. |
資料番号 |
SDM2021-66 |
発行日 |
2021-11-04 (SDM) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SDM2021-66 エレソ技報アーカイブへのリンク:SDM2021-66 |