Kotelnikov Institute of Radio Engineering and Electronics of RAS Русский Sign in Submit a paper
Journal of Radio Electronics Online scientific journal · eISSN 1684-1719
2025, № 10 · MATHEMATICAL MODELS IN RADIO ELECTRONICS PROBLEMS

Extraction of transistor model parameters in uniform approximation

V.N. Biryukov1

1 Institute for Radio Engineering Systems and Control of Southern Federal University, Taganrog, Russia
Full text DOI: 10.30898/1684-1719.2025.10.5 UDC 519.852 EDN AIOOMI

Abstract

To the best our knowledge, this work is the first attempt of extraction of MOSFET parameters in the uniform (Chebyshev) approximation. The proposed optimization algorithm uses random descent with a random number generator whose probability density is best suited for the ravine structure of the objective function in such a way as to obtain a compromise between the probability of a successful attempt and the magnitude of the descent step. The proposed distribution reduces the descent time by two orders of magnitude compared to the uniform one. By replacing the root-mean-square approximation with a uniform one, the maximum error of the model can be significantly reduced, which improves the accuracy of the worst-case analysis of electronic circuits.

  • extraction of MOSFET parameters
  • least squares
  • random optimization
  • uniform approximation
Аннотация (на русском)

Определение параметров модели полевого транзистора в равномерном приближении

В работе рассматривается идентификация параметров модели GaN полевого транзистора с изолированным затвором. В настоящее время для идентификации используется, как правило, метод наименьших квадратов, обеспечивающий минимальную среднеквадратическую погрешность модели. Однако, такой способ создает неопределенность при анализе электронных цепей на наихудший случай, поскольку максимальная погрешность модели остается неизвестной. Идентификацию в этом случае целесообразно проводить в равномерном (чебышевском) приближении, то есть, минимизируя максимальною погрешность модели. К сожалению, стандартные градиентные программы оптимизации не позволяют этого сделать, поскольку целевая функция становится в последнем случае неаналитической. Используемые методы случайного спуска надежны, но крайне медленны, что и препятствует их практическому применению. В работе предлагается использовать для случайного спуска специальный закон распределения случайных параметров с особенностью в центральной точке. Случайный спуск при этом существенно ускоряется при продвижении по дну овражной структуры целевой функции, независимо от степени ее жесткости. Эксперимент показывает, что время спуска сокращается при этом на два порядка величины.

For citation

Biryukov V.N. Extraction of transistor model parameters in uniform approximation // Journal of Radio Electronics. – 2025. – No. 10. https://doi.org/10.30898/1684-1719.2025.10.5

References

  1. Lenertz B.A., Command A.F.S. Electrical design worst-case circuit analysis: Guidelines and draft standard (REV A) // TOR-2013-00297, The Aerospace Corporation. - 2013. - P. 109.
  2. Pilipenko A.M., Biryukov V.N., Prokopenko N.N. A template model of junction field-effect transistors for a wide temperature range // 2019 IEEE East-West Design & Test Symposium (EWDTS). - IEEE, 2019. - P. 1-4. http://doi.org/10.1109/EWDTS.2019.8884411
  3. Hand M.L. Aspects of linear regression estimation under the criterion of minimizing the maximum absolute residual. - Iowa State University, 1978.
  4. Gorbunov E., Dvurechensky P., Gasnikov A. An accelerated method for derivative-free smooth stochastic convex optimization // SIAM Journal on Optimization. - 2022. - Т. 32. - №. 2. - P. 1210-1238. https://doi.org/10.1137/19M1259225
  5. Rakitskii Yu.V. Minimization methods for functions depending strongly on a few variables. Encyclopedia of Mathematics. [Online]. Available: https://encyclopediaofmath.org/wiki/Minimization_methods_for_functions_depending_strongly_on_a_few_variables
  6. Dennis Jr J.E., Schnabel R.B. Numerical methods for unconstrained optimization and nonlinear equations. - Society for Industrial and Applied Mathematics, 1996. https://doi.org/10.1137/1.9781611971200
  7. Luus R., Jaakola T.H.I. Optimization by direct search and systematic reduction of the size of search region // AIChE Journal. - 1973. - Т. 19. - №. 4. - P. 760-766. https://doi.org/10.1002/aic.690190413
  8. Pilipenko A.M., Biryukov V.N. Efficiency improvement of the random search algorithm for parametric identification of electronic components models // 2016 International Siberian Conference on Control and Communications (SIBCON). - IEEE, 2016. - P. 1-6. http://doi.org/10.1109/SIBCON.2016.7491703
  9. Бирюков В.Н. Модели полевых транзисторов на широкозонных полупроводниках. // Журнал радиоэлектроники - 2024. - №10. https://doi.org/10.30898/1684-1719.2024.10.17
  10. Gansystems Datasheet GS66508B-DS [Online] Available: https://gansystems.com/wp-content/uploads/2019/05/GS66508B-DS-Rev-190502.pdf
  11. Bandler J.W., Charalambous C. Practical least pth optimization of networks // IEEE Transactions on Microwave Theory and Techniques. - 1972. - Т. 20. - №. 12. - P. 834-840. https://doi.org/10.1109/TMTT.1972.1127894