Influence Du Dopage Sur Les Performances Électriques D’un Transistor Cntfet Modélisé Par Les Réseaux De Neurones

Résumé: Dans ce travail nous avons présenté une contribution à l’étude et la modélisation du transistor CNTFET nanométrique en utilisant les réseaux de neurones artificielles optimisés par les algorithmes génétiques. En premier lieu l’algorithme génétique composé de populations où chacune est un ensemble d’individus, et chaque individu représente un réseau de neurones, essaye de trouver le meilleur réseau représentant le meilleur modèle neuronale du transistor CNTFET double-grilles et ceci en minimisant l’erreur quadratique cumulée qui est la différence entre le courant du modèle neuronale et celui obtenu des mesures expérimentales. La modélisation de ce transistor à pour objectif : - L’étude du transistor CNTFET à double grilles. - Décrire le comportement du transistor CNTFET à double grilles. - Etudier L’effet du dopage Les résultats obtenus sont très satisfaisantes et montent que l’utilisation des réseaux de neurones pour la modélisation des composants nanoélectroniques est très efficace, malgré que certaine problèmes peuvent parvenir lors de la construction de ces réseaux, tels que le nombre de neurones qu’il faut utiliser dans la couche cachée, quelles sont les valeurs initiales des poids de connexion du réseau pendant la phase d’apprentissage, quel types d’apprentissage faut il utiliser…etc. Pour remédier à toutes ces difficultés, nous avons fait appel aux algorithmes génétiques. Ces derniers peuvent constituer une alternative intéressante lorsque les méthodes d’optimisation traditionnelles (méthodes analytiques telle que les moindres carrés) ne parviennent pas à fournir efficacement des résultats fiables

Publié dans la revue: