Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Oliveira, J. A.
Orientador(a): Giacomini, R.
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Transistor de efeito de campo de metal-óxido semicondutor
Deep learning
Link de acesso: https://repositorio.fei.edu.br/handle/FEI/3194
https://doi.org/10.31414/EE.2021.D.131242
Resumo: Dispositivos eletrônicos são suscetíveis a defeitos causados por radiação ionizante, e o uso destes dispositivos é cada vez mais requisitado em aplicações embarcadas que operam em ambientes agressivos (presença de radiação) como o espaço, reatores nucleares e aceleradores de partículas. Entre os defeitos mais danosos estão os Single Event Effects (SEE). O efeito é causado por uma única partícula ionizada que, dependendo de diversos fatores, pode causar inversões lógicas em dispositivos eletrônicos digitais, ou até mesmo tornar o dispositivo inoperante. O estudo desses fenômenos é de grande importância na criação de tecnologia nacional, pois são requisitos básicos para gerar componentes resistentes à radiação. Através de experimentos inéditos no Brasil, envolvendo o Projeto CITAR (Circuitos Integrados Tolerantes à Radiação), criou-se o ambiente adequado para a realização destes estudos, pois para a reprodução destes fenômenos é necessário o uso de um acelerador de partículas que seja capaz de gerar feixes de íons pesados com baixo fluxo. Neste trabalho são avaliados os resultados obtidos do experimento de radiação de partículas ionizantes em um transistor MOSFET tipo P, incluindo a criação de uma representação simulada do dispositivo real, através da ferramenta SENTAURUS. Foram simuladas emissões de íons pesados no componente com as mesmas características dos feixes utilizados em laboratório, com a expectativa de obter-se a mesma reposta gerada pelo dispositivo real. Por fim, através de técnicas de aprendizado de máquina, foi criado um algoritmo capaz de classificar os diferentes eventos registrados durante os experimentos de campo, bem como avaliar sinais espúrios que compõe o dado obtido. Como resultado das simulações, aproximamos a simulação do dispositivo 3N163 as características elétricas apresentadas pelos dispositivos reais, e através do treinamento de uma rede neural profunda utilizando os dados medidos em campo capaz de classificação de 97% de acurácia
id FEI_ca938d33ad96861deb7bf58df7610de9
oai_identifier_str oai:repositorio.fei.edu.br:FEI/3194
network_acronym_str FEI
network_name_str Biblioteca Digital de Teses e Dissertações da FEI
repository_id_str
spelling Oliveira, J. A.Giacomini, R.2021-04-13T13:21:25Z2021-04-13T13:21:25Z2020OLIVEIRA, J. A. <b> Efeito de eventos únicos em transistores MOS: </b> classificação dos eventos via redes neurais profundas. 2020. 103 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2021. Disponível em: https://doi.org/10.31414/EE.2021.D.131242.https://repositorio.fei.edu.br/handle/FEI/3194https://doi.org/10.31414/EE.2021.D.131242Dispositivos eletrônicos são suscetíveis a defeitos causados por radiação ionizante, e o uso destes dispositivos é cada vez mais requisitado em aplicações embarcadas que operam em ambientes agressivos (presença de radiação) como o espaço, reatores nucleares e aceleradores de partículas. Entre os defeitos mais danosos estão os Single Event Effects (SEE). O efeito é causado por uma única partícula ionizada que, dependendo de diversos fatores, pode causar inversões lógicas em dispositivos eletrônicos digitais, ou até mesmo tornar o dispositivo inoperante. O estudo desses fenômenos é de grande importância na criação de tecnologia nacional, pois são requisitos básicos para gerar componentes resistentes à radiação. Através de experimentos inéditos no Brasil, envolvendo o Projeto CITAR (Circuitos Integrados Tolerantes à Radiação), criou-se o ambiente adequado para a realização destes estudos, pois para a reprodução destes fenômenos é necessário o uso de um acelerador de partículas que seja capaz de gerar feixes de íons pesados com baixo fluxo. Neste trabalho são avaliados os resultados obtidos do experimento de radiação de partículas ionizantes em um transistor MOSFET tipo P, incluindo a criação de uma representação simulada do dispositivo real, através da ferramenta SENTAURUS. Foram simuladas emissões de íons pesados no componente com as mesmas características dos feixes utilizados em laboratório, com a expectativa de obter-se a mesma reposta gerada pelo dispositivo real. Por fim, através de técnicas de aprendizado de máquina, foi criado um algoritmo capaz de classificar os diferentes eventos registrados durante os experimentos de campo, bem como avaliar sinais espúrios que compõe o dado obtido. Como resultado das simulações, aproximamos a simulação do dispositivo 3N163 as características elétricas apresentadas pelos dispositivos reais, e através do treinamento de uma rede neural profunda utilizando os dados medidos em campo capaz de classificação de 97% de acuráciaElectronic devices are susceptible to defects caused by ionizing radiation, and the use of these devices is increasingly required in embedded applications that operate in aggressive environments (presence of radiation) such as space, nuclear reactors and particle accelerators. Among the most damaging defects are Single Event Effects (SEE). The effect is caused by a single ionized particle that, depending on several factors, can cause logical inversions in digital electronic devices, or even render the device inoperative. The study of these phenomena is of great importance in the creation of national technology, as they are basic requirements for generating resistant components radiation. Through unprecedented experiments in Brazil, involving the CITAR Project (Integrated Circuits Tolerant to Radiation), the appropriate environment was created to carry out these studies, since for the reproduction of these phenomena it is necessary to use a particle accelerator that is capable of generate heavy ion beams with low flux. In this work, the results obtained from the ionizing particle radiation experiment in a MOSFET p-type transistor are evaluated, including the creation of a simulated representation of the real device, using the SENTAURUS tool. Emissions of heavy ions in the component were simulated with the same characteristics as the ion beams used in the laboratory, with the expectation of obtaining the same response generated by the real device. Finally, through machine learning techniques, an algorithm was created capable of classifying the different events recorded during field experiments, as well as evaluating spurious signals that make up the data obtained. As a result of the simulations, we approximate the simulation of the 3N163 device to the electrical characteristics presented by the real devices, and through the training of a deep neural network using the data measured in the field capable of classifying 97% of accuracyporpt_BRCentro Universitário FEI, São Bernardo do CampoTransistor de efeito de campo de metal-óxido semicondutorDeep learningEfeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Biblioteca Digital de Teses e Dissertações da FEIinstname:Centro Universitário da Fundação Educacional Inaciana (FEI)instacron:FEIinfo:eu-repo/semantics/openAccessORIGINALfulltext.pdfapplication/pdf20966687https://repositorio.fei.edu.br/bitstream/FEI/3194/1/fulltext.pdf1a377c8682b2078848e4761666571981MD51TEXTfulltext.pdf.txtfulltext.pdf.txtExtracted texttext/plain256024https://repositorio.fei.edu.br/bitstream/FEI/3194/2/fulltext.pdf.txt3fb86fa769340904aecb77a0289be63bMD52THUMBNAILfulltext.pdf.jpgfulltext.pdf.jpgGenerated Thumbnailimage/jpeg1126https://repositorio.fei.edu.br/bitstream/FEI/3194/3/fulltext.pdf.jpg37adf569872b083b7c07ef066bd9c205MD53FEI/31942021-04-14 00:00:37.419Biblioteca Digital de Teses e Dissertaçõeshttp://sofia.fei.edu.br/pergamum/biblioteca/PRI
dc.title.pt_BR.fl_str_mv Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas
title Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas
spellingShingle Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas
Oliveira, J. A.
Transistor de efeito de campo de metal-óxido semicondutor
Deep learning
title_short Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas
title_full Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas
title_fullStr Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas
title_full_unstemmed Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas
title_sort Efeito de eventos únicos em transistores MOS: classificação dos eventos via redes neurais profundas
author Oliveira, J. A.
author_facet Oliveira, J. A.
author_role author
dc.contributor.author.fl_str_mv Oliveira, J. A.
dc.contributor.advisor1.fl_str_mv Giacomini, R.
contributor_str_mv Giacomini, R.
dc.subject.por.fl_str_mv Transistor de efeito de campo de metal-óxido semicondutor
Deep learning
topic Transistor de efeito de campo de metal-óxido semicondutor
Deep learning
description Dispositivos eletrônicos são suscetíveis a defeitos causados por radiação ionizante, e o uso destes dispositivos é cada vez mais requisitado em aplicações embarcadas que operam em ambientes agressivos (presença de radiação) como o espaço, reatores nucleares e aceleradores de partículas. Entre os defeitos mais danosos estão os Single Event Effects (SEE). O efeito é causado por uma única partícula ionizada que, dependendo de diversos fatores, pode causar inversões lógicas em dispositivos eletrônicos digitais, ou até mesmo tornar o dispositivo inoperante. O estudo desses fenômenos é de grande importância na criação de tecnologia nacional, pois são requisitos básicos para gerar componentes resistentes à radiação. Através de experimentos inéditos no Brasil, envolvendo o Projeto CITAR (Circuitos Integrados Tolerantes à Radiação), criou-se o ambiente adequado para a realização destes estudos, pois para a reprodução destes fenômenos é necessário o uso de um acelerador de partículas que seja capaz de gerar feixes de íons pesados com baixo fluxo. Neste trabalho são avaliados os resultados obtidos do experimento de radiação de partículas ionizantes em um transistor MOSFET tipo P, incluindo a criação de uma representação simulada do dispositivo real, através da ferramenta SENTAURUS. Foram simuladas emissões de íons pesados no componente com as mesmas características dos feixes utilizados em laboratório, com a expectativa de obter-se a mesma reposta gerada pelo dispositivo real. Por fim, através de técnicas de aprendizado de máquina, foi criado um algoritmo capaz de classificar os diferentes eventos registrados durante os experimentos de campo, bem como avaliar sinais espúrios que compõe o dado obtido. Como resultado das simulações, aproximamos a simulação do dispositivo 3N163 as características elétricas apresentadas pelos dispositivos reais, e através do treinamento de uma rede neural profunda utilizando os dados medidos em campo capaz de classificação de 97% de acurácia
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-04-13T13:21:25Z
dc.date.available.fl_str_mv 2021-04-13T13:21:25Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv OLIVEIRA, J. A. <b> Efeito de eventos únicos em transistores MOS: </b> classificação dos eventos via redes neurais profundas. 2020. 103 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2021. Disponível em: https://doi.org/10.31414/EE.2021.D.131242.
dc.identifier.uri.fl_str_mv https://repositorio.fei.edu.br/handle/FEI/3194
dc.identifier.doi.none.fl_str_mv https://doi.org/10.31414/EE.2021.D.131242
identifier_str_mv OLIVEIRA, J. A. <b> Efeito de eventos únicos em transistores MOS: </b> classificação dos eventos via redes neurais profundas. 2020. 103 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2021. Disponível em: https://doi.org/10.31414/EE.2021.D.131242.
url https://repositorio.fei.edu.br/handle/FEI/3194
https://doi.org/10.31414/EE.2021.D.131242
dc.language.iso.fl_str_mv por
pt_BR
language por
language_invalid_str_mv pt_BR
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da FEI
instname:Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron:FEI
instname_str Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron_str FEI
institution FEI
reponame_str Biblioteca Digital de Teses e Dissertações da FEI
collection Biblioteca Digital de Teses e Dissertações da FEI
bitstream.url.fl_str_mv https://repositorio.fei.edu.br/bitstream/FEI/3194/1/fulltext.pdf
https://repositorio.fei.edu.br/bitstream/FEI/3194/2/fulltext.pdf.txt
https://repositorio.fei.edu.br/bitstream/FEI/3194/3/fulltext.pdf.jpg
bitstream.checksum.fl_str_mv 1a377c8682b2078848e4761666571981
3fb86fa769340904aecb77a0289be63b
37adf569872b083b7c07ef066bd9c205
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1734750972460138496

Registros relacionados