基于神经网络的雪崩光电二极管SPICE模型构建

作者：谢海情; 宜新博; 曾健平^*; 曹武; 谢进; 凌佳琪

来源：湖南大学学报(自然科学版), 2023, 50(10): 84-89.

DOI：10.16339/j.cnki.hdxbzkb.2023241

• SPICE模型
• 雪崩光电二极管
• 神经网络
• 相对误差

针对雪崩光电二极管(Avalanche Photodiode, APD)雪崩前后电流数量级相差大、I-V特性曲线变化剧烈的特点，在对I-V特性数据进行对数化、归一化预处理的基础上，采用浅层神经网络完成I-V函数拟合，并进一步优化神经网络结构以提升模型准确性.在此基础上，使用Verilog-A硬件描述语言实现APD的SPICE模型，并应用Cadence软件设计电路验证模型的有效性和准确性，引入相对误差评估模型的准确度.结果表明：优化后的神经网络学习的I-V特性函数与TCAD仿真数据的均方误差损失为2.544×10-7,SPICE模型验证电路采样数据与TCAD仿真数据的最大相对误差为3.448%，平均相对误差为0.630%，构建SPICE模型用时约50 h，实现了高精度、高效率的器件SPICE模型构建，对新型APD的设计与应用具有重要指导意义.

• 单位
  长沙理工大学