【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。Lee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。其半导体器件模拟的初始猜测与紧凑的电荷模型。在将紧电荷模型和一维连续方程一起求解之前,需要计算变量,并像二维情况一样提取计算紧电荷模型的参数。
利用得到的初始猜测,可以通过直接在目标偏置条件下进行器件仿真,而不需要耗时的偏置渐变过程。为了验证该方法的合理性与可行性,考虑了具有长沟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(mosfet)。结果清楚地表明,通过这种的方法可以加速器件的仿真。根据器件参数产生初始静电势。算例验证了该方法的有效性。在这项研究中,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。
[1] Lee, K.W. and S.M. Hong, Acceleration of semiconductor device simulation using compact charge model. Solid-State Electronics, 2023. 199.
科学指南针通过互联网技术建立更可靠的服务标准,全国拥有31个办事处,20个自营实验室,最好的设备、最专业的老师为您服务。
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。