인공 신경망 기반 태양광 소자 및 뉴로모픽 소자 모델링과 회로 응용에 대한 연구|RISS 상세보기

국문 초록 (Abstract)

본 논문은 인공 신경망을 기반으로 하는 반도체 소자 모델링 방법론 을 제안한다. 인공 신경망을 기반으로 하는 반도체 소자 모델링은 다양한 조건에서 반도체 소자 동작을 더 정확하게 예측할 수 있다. 본 연구에서 는 태양광 소자와 멤리스터 소자에 대한 모델링을 진행한다. 태양광 소자의 모델링 목적은 부분 음영 조건에서 정확한 전력 예측 과 높은 에너지 효율의 태양광 소자를 모델링하는 것이다. 본 연구에서는 태양광 소자의 주요 다섯 개 파라미터를 온도와 광량에 대한 수식으로 나 타낸다. 각각의 파라미터는 다층 퍼셉트론이라 불리는 인공 신경망 모델 을 통해 학습을 진행한다. 다층 퍼셉트론 학습 결과를 통해 MATLAB /Simulink에서 회로 구현을 진행한다. 멤리스터 소자의 모델링 목적은 콤팩트 모델을 제안하는 것이다. 멤 리스터는 구조에 따라 다양한 물리적 모델을 가지고 있다. 하지만, 아직 멤리스터의 일관된 표준 모델이나 통합된 모델이 확립되지 않아 많은 연 구가 진행되고 있다. 본 논문에서는 물리 정보 신경망 기반의 콤팩트 멤 리스터 모델을 제안한다. 멤리스터의 물리적 특성은 복잡한 미분 방정식 으로 설명된다. 본 논문에서 제안한 물리 정보 신경망은 복잡한 미분 방 정식을 직관적이고 쉽게 해결할 수 있다. 물리 정보 신경망 학습 결과를 통해 Verilog-A에서 회로 구현을 진행한다. 태양광 소자와 멤리스터 소자는 물리적 특성을 정확하게 예측했다. 부분 음영 조건에서 인공 신경망 기반 태양광 소자 모델링은 기존 연구의 평균 제곱 오차가 0.32로 나타난다. 본 연구에서 제안한 방법론은 0.15의 평균 제곱 오차를 나타내 더 정확한 예측이 가능하다. 물리 정보 신경망 기반 콤팩트 멤리스터 모델링은 기존 연구와 비교해 인공 신경망이 단순 해졌다. 하지만 높은 정확도로 전력 예측이 가능하다. 따라서 본 연구에 서 제안한 방법론을 통해 다른 반도체 소자 모델링에 접목할 수 있다.

번역하기

본 논문은 인공 신경망을 기반으로 하는 반도체 소자 모델링 방법론 을 제안한다. 인공 신경망을 기반으로 하는 반도체 소자 모델링은 다양한 조건에서 반도체 소자 동작을 더 정확하게 예...

다국어 초록 (Multilingual Abstract)

This paper proposes a device modeling methodolgy based on artificial neural networks(ANNs), which can more accurately predict the semiconductor device under various conditions. In this study, photovoltaic and memristor are modeled.
The objectives of phtovoltaic device study are to accurately predict the power of photovoltaic systems under partial shading conditions and to model high efficiency photovoltaic system. In this study, the main five parameters of photovoltaic device are individually expressed in terms of temperature and irradiation. The mathematical expressions of five parameters are trained using the artificial neural network model called a multi-layer perceptron. The results of the multi-layer perceptron training are implemented as a circuit in MATLAB/Simulink.
The purpose of memristor device research is to propose a compact model. Memristor devices have diverse physical models depending on their structure. However, a consistent standard model or unified model of memristors has not been established yet, and many studies have been conducted. In this paper, we propose a compact memristor model based on a physics-informed neural network. The physical properties of memrisotrs are described by complex differential equations. The physics informed neural network can solve complex differential equations intuitively and with ease. The training results of the physics-informed neural network are implemented as a circuit in Verilog-A.
The physical properties of photovoltaic and memristor devices were accurately predicted. Solar power prediction modeling based on artificial neural networks under partial shading conditions shows a mean square error of 0.32 in previous studies. The methodology proposed in this study shows a mean square error of 0.15, which enables more accurate predictions. And the compact memristor model based on physics-informed neural network has simplified artificial neural network compared previous studies but it can predict power with higher accuracy. Therefore the methodology proposed in this study can be applied to the modeling of other semiconductor devices

번역하기

목차 (Table of Contents)

그림 차례 ⅰ
표 차례 ⅳ
국문 요약 Ⅴ
1. 서론
1.1 연구 필요성 1

그림 차례 ⅰ
표 차례 ⅳ
국문 요약 Ⅴ
1. 서론
1.1 연구 필요성 1
1.2 연구 목적 1
1.2.1 인공 신경망 기반 태양광 소자 모델링 1
1.2.2 인공 신경망 기반 멤리스터 소자 모델링 2
2. 부분 음영 조건 태양광 소자 전력 예측 모델링
2.1 태양광 소자 물리적 특성 4
2.2 바이패스 다이오드 필요성 8
2.3 다층 퍼셉트론 10
2.4 인공 신경망 기반 부분 음영 조건 태양광 소자 전력 예측 모델링 13
3. 멤리스터 콤펙트 모델링
3.1 GMMS memristor model 26
3.2 Memristor model of Messaris et al. 28
3.3 정규화 30
3.4 물리 정보 신경망 32
3.5 인공 신경망 기반 멤리스터 콤팩트 모델링 36
3.5.1 인공 신경망 기반 GMMS memristor model 37
3.5.2 인공 신경망 기반 Memristor model of Messaris et al. 43
4. 결론
4.1 결론 53
감사의 글 55
참고문헌 56
ABSTRACT 61

상세검색

RISS 보유자료

상세검색

해외전자자료

인공 신경망 기반 태양광 소자 및 뉴로모픽 소자 모델링과 회로 응용에 대한 연구

부가정보

분석정보

연관 공개강의(KOCW)

이 자료와 함께 이용한 RISS 자료

나만을 위한 추천자료