【摘要】 近年来，在半导体器件仿真中，为了描述输入输出关系或加速仿真，许多研究报道使用神经网络模型进行研究。

在半导体器件仿真中，要达到目标偏置条件，必须通过偏置渐变过程，该过程通常耗时较长。此外，为了获得耦合非线性方程的解，通常使用Newton - raphson方法，并通过多次牛顿迭代获得收敛解。由于在偏置渐变过程中反复出现牛顿迭代，使得总体计算时间显著增加。因此，当对目标偏置条件有一个良好的初始猜测时，可以显著减少计算时间。

 

近年来，在半导体器件仿真中，为了描述输入输出关系或加速仿真，许多研究报道使用神经网络模型进行研究。Kwang等人[1]提出了一种通过训练好的深度神经网络生成初始猜测的方法。其使用一个紧凑的电荷模型来预测初始猜测，而不是在推理之前必须训练的深度神经网络。用一维连续性方程对二维金属氧化物半导体结构的紧电荷模型进行了数值求解。利用两个耦合方程的解，得到初始静电势和初始电子密度，成为初始解。为了验证所提出的方法，模拟了图1所示长通道长度的矩形栅极全能(GAA)金属氧化物半导体场效应晶体管。

图1. (a)矩形GAA MOSFET的截面和(b)其三维结构[1]

 

实际上，在复杂的生物样品中，BLS峰的位置和形状可能会受到干扰，从而限制了功能拟合分析方法。例如，由于声子的陡峭色散曲线，频移具有明显的角(波矢量)依赖性，这将导致高数值孔径(高空间分辨率)测量的峰值不对称展宽。特别是在色散依赖于探测声子的矢量方向的机械各向异性材料中，展宽的确切功能形式变得非常重要。

 

在非透明的生物样品中，多重散射事件导致的额外展宽也可能变得显著。最后，当探测体积包含多个大于特征声子长度尺度的不同结构时，测量的光谱将由BLS峰的叠加组成，如果它们间隔很近或成分数量不清楚，则可能难以拟合(图1中显示了这种双组分材料的光谱示例)。图2显示了两个最初相似的光谱演变的例子，其中跟踪线的轨迹和相量之间的距离作为时间的函数可以用来识别和进一步了解过渡的性质。

 

在这种情况下，使用传统的单峰或多峰拟合的分析将被证明特别具有挑战性或不可能，例如，如果测量多个紧密间隔的光谱的叠加，并且组分的数量定义不清。图2表示了???????之间的差异和最终的收敛势。考虑了三种不同的长宽比。初始电位与收敛电位之间的最大差约为77 mV。通过使用???????，求解图2中MOS结构泊松方程在目标偏置条件下最多需要7次牛顿迭代，且不存在偏置偏移。

图2. 初始猜想和收敛解之间的差[1]

 

[1] Lee K W , Hong S M .Acceleration of semiconductor device simulation using compact charge model[J].Solid-State Electronics, 2023. 

 

科学指南针已获得检验检测机构资质认定证书（CMA）、实验动物使用许可证、“ISO三体系认证”等专业认证，提供材料测试、高端测试、环境检测、生物服务、模拟计算、科研绘图、数据分析、试剂耗材、行业解决方案、指南针学院等多项科研产品和服务矩阵。企业致力于为高校、科研院所、医院、研发型企业等科研工作者，提供专业、快捷、全方位的检测及科研服务。

 

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。