전류-전압 특성을 모델링하는 것은 회로 시뮬레이션에서 필수적이며 주로 Berkely short-channel insulated-gate field-effect transistor model (BSIM)이 사용된다. BSIM 모델은 정확한 회로 시뮬레이션을 위해 수백 가지 파라미터의 최적화를 필요로 한다. 그리고 현재 사용되고 있는 최신 DRAM 구조인 buried-channel-array transistor (BCAT) 구조를 지원하지 않아 DRAM 셀 트랜지스터의 모델링에 적합하지 않다는 한계점이 존재한다. 이러한 한계점을 극복하고 BSIM 모델을 사용하는 DRAM 셀 트랜지스터의 전류-전압 특성 모델링 연구를 진행하였다.
먼저 유전 알고리즘을 사용하여 BSIM 파라미터를 DRAM 셀 트랜지스터의 전류-전압 특성에 맞도록 최적화하고, 이후 BCAT 구조를 지원하지 않아 발생하는 BSIM 모델의 오차를 줄이기 위해 딥러닝을 통한 빠르고 정확한 DRAM 셀 트랜지스터의 전류-전압 특성 모델링 연구를 진행하였다.
또한 소자의 전류-전압 특성은 동작 온도, 소자 열화 등 다양한 환경적 요인에 의한 영향을 받는다. 하지만 일반적인 BSIM 모델은 이러한 열화 특성을 정확하게 반영하는 것에 어려움이 있다. 따라서 앞선 전류-전압 특성 모델링에 사용한 딥러닝 모델을 사용하여 DRAM 셀 트랜지스터의 HCD 특성 모델링 연구까지 진행하였다.