Wyniki wyszukiwania - BazTech

1

Device simulation and multi-objective genetic algorithm-based optimization of germanium metal-oxide-semiconductor structure

Chen C.-Y., Li Y.

Computer Methods in Materials Science

|

2015

|

Vol. 15, No.1

258--263

EN

Germanium (Ge) and high-K dielectric materials draw many attentions due to their fascinating electrical characteristics comparing with silicon (Si) material. However, in physical and electrical simulation, the physical model may have deviation to reality case due to the process condition and manufacturing technology. To computationally study the device with Ge material, it is necessary to optimize the theoretical result with experimental data. This paper originally provides a new method to examine the static characteristic of Ge metal-oxide-semiconductor field effect transistors (MOSFETs) with aluminum oxide (Al203) by integrating device simulation, multi-objective evolutionary algorithm (MOEA), and unified optimization framework (UOF). To deal with the realistic problem, especially for the steep change of capacitance, we consider not only residual sum of squares (RSS) (i.e. the sum of squares of residuals) function but also physically crucial points in the optimization problem. Comparing to single-objective genetic algorithm (GA) with a weighted fitness, the preliminary result of this study shows the method has great improvement to optimize the suitable parameters which not only minimize the RSS of capacitance but also agree the key capacitance values from physical view.

PL

German (Ge) i materiały o wysokiej stałej dielektrycznej są interesujące ze względu na swoje niezwykle ciekawe charakterystyki elektryczne w porównaniu do krzemu (Si). Jednakże w symulacjach fizycznych i elektrycznych, model fizyczny może odbiegać od przypadku rzeczywistego ze względu na warunki procesu i technologię produkcji. Badania z wykorzystaniem metod obliczeniowych dla urządzeń wykonanych z germanu wymagają optymalizacji wyników teoretycznych z danymi doświadczalnymi. W pracy zaproponowano metodę badania statycznych charakterystyk tranzystorów polowych z tlenku germanu - półprzewodnika (MOSFETs) z tlenkiem aluminium (A1203), z wykorzystaniem zintegrowanego systemu składającego się z urządzenia do symulacji charakterystyk elektrycznych półprzewodników, wielokryterialnego algorytmu ewolucyjnego (MOEA) oraz zunifikowanej platformy do optymalizacji (UOF). Dla rozwiązania rzeczywistego problemu, zwłaszcza przy gwałtownej zmianie pojemności, w zadaniu optymalizacji rozważano nie tylko sumę kwadratów reszt (RSS), ale również kluczowe, z punktu widzenia fizyki, aspekty. W porównaniu z jednokryterialnym algorytmem genetycznym (GA) z ważoną funkcją dopasowania, wyniki przeprowadzonych badań pokazały, że opracowana meto¬da, która minimalizuje nie tylko błąd RSS dla pojemności, ale także bierze pod uwagę kluczowe wartości pojemności z fizycznych obserwacji, znacznie poprawiła zadanie optymalizacji wybranych parametrów zagadnienia.

2

Estimating Parameters in Production Function based on Quadratic Synchronous Artificial Fish- Particle Swarm Optimization

Mo Y., Zhao X., Xiang S.

Przegląd Elektrotechniczny

|

2013

|

R. 89, nr 3b

104--106

EN

Investment analysis is an important element of the process of economic activities, and the rational analysis and selection of production function as well as the parameter estimation, are important part of the investment analysis. Common production functions are characterized by too strong non-linearity for the use of traditional method to estimate parameters; therefore a fast, simple and robust algorithm becomes a hot research interest to optimize the production function. To this end this paper presents QSAFPSO for solving this problem. The algorithm enhances the genelevel exchange of information between individuals, creates a genetic template, employs genetic template evolution, mutation and other operations to improve the convergence speed, solution accuracy, and better helps algorithm out of local optimum. The typical function tests show that QSAFPSO, compared with like algorithms, features fast convergence and higher solution precision. A simulation based on the annual output value from 1820 to 1926, capital investment and labor input in Massachusetts shows that the algorithm is characterized by fast optimization of production function parameter estimation and by small residual sum of squares.

PL

W artykule opisano opracowany algorytm decyzyjny QSA-FPSO służący do analizy inwestycji. Jego działanie opiera się na budowie szablonu genetycznego i między genowej wymianie informacji. Wykonane testy funkcjonalności algorytmu pokazują jego większą, w porównaniu z innymi algorytmami, precyzję i szybkość osiągnięcia rozwiązania. Przedstawiono także wyniki badań symulacyjnych, dokonanych na rzeczywistych danych, potwierdzające wysoką skuteczność działania.

3

Optymalizacja procesu sporządzania wieloskładnikowej paszy dla gołębi w pionowym mieszalniku z mieszadłem ślimakowym

Królczyk J., Tukiendorf M.

Inżynieria Rolnicza

|

2006

|

R. 10, nr 12(87)

267-275

PL

Na podstawie oceny jakości wieloskładnikowej, niejednorodnej mieszaniny ziarnistej w poszczególnych punktach czasowych procesu mieszania określono czas prowadzenia procesu, potrzebny do uzyskania rozkładu częstości udziałów poszczególnych składników mieszanki zgodny z udziałami docelowymi. Wyniki zaprezentowano na podstawie 9-składnikowej mieszanki pasz dla gołębi. Proces prowadzono w warunkach przemysłowych. Do określenia jakości mieszaniny wykorzystano resztową sumę kwadratów. Na podstawie analizy zmian tego parametru w czasie określono, iż dla badanej mieszaniny czas mieszania może być krótszy niż 30 minut.

EN

Quality analysis of multicomponent, inhomogeneous grainy mixture in individual time-points of the mixing process allowed to determine process duration required to obtain frequency distribution for shares of separate ingredients that would comply with target shares. The results were presented based on 9-ingredient pigeon feed mixture. The process was carried out in industrial conditions. Residual sum of squares was used to determine mixture quality. Analysis of this parameter changes in time provide grounds to state that mixing time for tested mixture may be shorter than 30 minutes.