Proceedings of the International scientific and practical conference ―Development of Science and Education‖ (January 16-18, 2026) / Publisher website: www.naukainfo.com. – Vienna, Austria, 2026. – 207 p.

41 пригнічують шуми живлення, проте мінімізація флікер-шуму (1/f) вимагає прецизійного моделювання розмірів транзисторів [4]. Поглиблене моделювання MOSFET з урахуванням паразитних ефектів Однією із причин похибок стандартних моделей у нанометрових технологічних процесах є ігнорування паразитних опорів контактів [5]. Ці опори створюють ефект локального негативного зворотного зв’язку, який зменшує ефективну напругу затвор-витік. Це призводить до суттєвого падіння струму стоку, спотворення вольт-амперних характеристик та зниження крутизни транзистора [5]. Врахування паразитних компонентів трансформує рівняння струму в неявну форму, складну для прямого розв’язку. Для точного проєктування сенсорів застосовують ітераційний алгоритм: він циклічно уточнює внутрішні потенціали та ефективні напруги на основі струму попереднього кроку до досягнення збіжності результатів [5]. Ігнорування навіть незначних паразитних опорів викликає критичні розбіжності: реальний струм насичення може бути на чверть меншим за модельний. Для кільцевих генераторів це означає відповідне зниження частоти генерації, зміщення робочої точки в зону гіршої лінійності та зміну температурних коефіцієнтів, що значно ускладнює калібрування та термокомпенсацію сенсора [5]. Калібрування та корекція похибок методами машинного навчання (ML) Навіть при ідеальному проєктуванні на рівні транзисторів, технологічний розкид параметрів, старіння компонентів та складні умови експлуатації БПЛА (вібрації, різкі зміни температур) призводять до виникнення помилок, які неможливо описати простими аналітичними моделями. Традиційний підхід до навігації (фільтр Калмана) ефективний для лінійних систем з гаусовим шумом, але втрачає ефективність при наявності складної нелінійності сенсорів [1, 6].