WikiEdge:ArXiv速遞/2025-05-20

摘要

• 原文標題：Physics-Guided Sequence Modeling for Fast Simulation and Design Exploration of 2D Memristive Devices
• 中文標題：基於物理引導的序列建模用於二維憶阻器件的快速仿真與設計探索
• 發佈日期：2025-05-20 03:43:20+00:00
• 作者：Benjamin Spetzler, Elizaveta Spetzler, Saba Zamankhani, Dilara Abdel, Patricio Farrell, Kai-Uwe Sattler, Martin Ziegler
• 分類：cond-mat.mtrl-sci, physics.app-ph, physics.comp-ph
• 原文連結：http://arxiv.org/abs/2505.13882v1

中文摘要：摘要：憶阻器件中遲滯開關動力學的建模由於涉及離子與電子輸運過程的耦合而計算量巨大。這一挑戰對於新興的二維（2D）器件尤為突出，其高維設計空間目前仍大部分未被探索。我們提出了一種物理引導的建模框架，將高保真度的有限體積（FV）電荷輸運模擬與長短期記憶（LSTM）人工神經網絡（ANN）相結合，以預測動態電流-電壓行為。該ANN代理模型基於物理基礎仿真數據訓練，相比FV模型實現了超過四個數量級的加速，同時保持對物理意義明確的輸入參數的直接訪問能力，典型歸一化誤差<1%。這使得原先計算不可行的迭代任務成為可能，包括基於實驗數據的逆向建模、通過度量映射和靈敏度分析的設計空間探索，以及約束多目標設計優化。值得注意的是，該框架通過與底層FV模型的直接連結，保留了載流子密度、空位分佈和靜電勢等詳細空間動態信息的物理可解釋性。我們的方法為新興二維憶阻和神經形態器件的高效探索、解釋及模型驅動設計建立了可擴展框架。