一种用于获取表面势的方法及装置制造方法及图纸

本发明专利技术提供了一种用于获取表面势的方法及装置，方法包括：获取多个目标器件的参数信息，参数信息包括：尺寸、器件结构、材料参数以及不同温度下的各所述目标器件的载流子迁移率；所述多个目标器件包括：常规材料制备的器件以及表面势已经被确定的新型材料制备的器件；所述常规材料包括体材料，所述第一新型材料包括：薄膜材料；在对应的操作条件下，基于每个所述目标器件的尺寸、所述器件结构、所述材料参数及所述迁移率提取各表面势；基于各所述表面势和参数信息建立表面势数据库；基于所述表面势数据库，根据神经网络构建表面势解析模型；利用所述表面势解析模型确定新型材料制备的器件的表面势。

【技术实现步骤摘要】
一种用于获取表面势的方法及装置
本专利技术属于半导体器件
，尤其涉及一种用于获取表面势的方法及装置。
技术介绍
半导体器件模型作为连接半导体制造商与电路设计者之间的桥梁，是半导体行业不可或缺的一环。随着半导体器件的发展，目前出现了很多新材料，为了提高器件的仿真精度，研发人员一般会利用表面势来研究新型材料器件，并需要获取相应的表面势来研究新型材料制备出的器件的物理特性。但是现有技术中获取新型材料制备出的器件表面势的方法比较复杂，获取表面势的效率不高，导致研究进程的效率不高。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供了一种构建表面势解析模型的方法及装置，用于解决现有技术中在获取新型材料表面势器件的表面势时，获取方法复杂，导致获取效率低，进而导致利用表面势研究新型材料表面势器件特性的进程缓慢的技术问题。本专利技术提供一种用于获取表面势的方法，所述方法包括：获取多个目标器件的参数信息，所述参数信息包括：尺寸、器件结构、材料参数以及不同温度下的各所述目标器件的载流子迁移率；所述多个目标器件包括：常规材料制备的器件以及表面势已经被确定的第一新型材料制备的器件；所述常规材料包括体材料，所述第一新型材料包括：薄膜材料；在对应的操作条件下，基于每个所述目标器件的尺寸、所述器件结构、所述材料参数及所述迁移率提取各表面势；基于各所述表面势和所述参数信息建立表面势数据库；基于所述表面势数据库，根据神经网络构建表面势解析模型；利用所述表面势解析模型确定第二新型材料制备的器件的表面势。上述方案中，所述获取不同温度下的各所述目标器件的载流子迁移率，包括：根据公式获取所述载流子迁移率μ(T)，其中，所述q为单元电荷，所述a为原子间距，所述kB为波尔兹曼常数，所述T为温度，所述v0为局域态长度的倒数，所述Ea为载流子跃迁的激活能。上述方案中，所述基于各所述表面势各所述参数信息建立表面势数据库，包括：建立各所述表面势与所述参数信息的之间各映射关系表；将所述各映射关系表分别存储至预设数据库中对应的数据块中，形成所述表面势数据库。上述方案中，基于所述表面势数据库，根据神经网络构建表面势解析模型，包括：基于所述表面势数据库确定表面势训练样本集；利用所述神经网络提供的假设模型对所述表面势训练样本集进行数据拟合，获取一物理方程，所述物理方程为所述表面势解析模型。上述方案中，所述基于所述表面势数据库，根据神经网络构建表面势解析模型后，还包括：基于所述表面势数据库建立薛定谔-泊松方程；利用自洽求解获取所述薛定谔-泊松方程的第一解；获取所述表面势解析模型的第二解；获取所述第二解与所述第一解之间的差值；利用所述差值对所述表面势解析模型进行校验。本专利技术还提供一种构建表面解析式模型的装置，所述装置包括：获取单元，用于获取多个目标器件参数信息，所述参数信息包括：尺寸、器件结构、材料参数以及不同温度下的各所述目标器件的载流子迁移率；所述多个目标器件包括：常规材料制备的器件以及表面势已经被确定的第一新型材料制备的器件；所述常规材料包括体材料，所述第一新型材料包括：薄膜材料；提取单元，用于在对应的操作条件下，基于每个所述目标器件的尺寸、所述器件结构、所述材料参数及所述迁移率提取各表面势；建立单元，用于基于各所述表面势和所述参数信息建立表面势数据库；构建单元，用于基于所述表面势数据库，根据神经网络构建表面势解析模型；确定单元，用于利用所述表面势解析模型确定第二新型材料制备的器件的表面势。上述方案中，所述第二获取单元具体用于：根据公式获取所述载流子迁移率μ(T)，其中，所述q为单元电荷，所述a为原子间距，所述kB为波尔兹曼常数，所述T为温度，所述v0为局域态长度的倒数，所述Ea为载流子跃迁的激活能。上述方案中，所述建立单元具体用于：建立各所述表面势与所述参数信息的之间各映射关系表；将所述各映射关系表分别存储至预设数据库中对应的数据块中，形成所述表面势数据库。上述方案中，所述构建单元具体用于：基于所述表面势数据库确定表面势训练样本集；利用所述神经网络提供的假设模型对所述表面势训练样本集进行数据拟合，获取一物理方程，所述物理方程为所述表面势解析模型。上述方案中，所述装置还包括：校验单元，用于：基于所述表面势数据库建立薛定谔-泊松方程；利用自洽求解获取所述薛定谔-泊松方程的第一解；获取所述表面势解析模型的第二解；获取所述第二解与所述第一解之间的差值；利用所述差值对所述表面势解析模型进行校验。本专利技术提供了一种用于获取表面势的方法及装置，方法包括：获取多个目标器件的参数信息，所述参数信息包括：尺寸、器件结构、材料参数以及不同温度下的各所述目标器件的载流子迁移率；多个目标器件包括：常规材料制备的器件以及表面势已经被确定的第一新型材料制备的器件；在对应的操作条件下，基于每个所述目标器件的尺寸、所述器件结构、所述材料参数及所述迁移率提取各表面势；基于各所述表面势和所述参数信息建立表面势数据库；基于所述表面势数据库，根据神经网络构建表面势解析模型；利用所述表面势解析模型确定新型材料制备的器件的表面势；如此，利用多个不同结构、不同材料的目标器件，在对应的操作条件下获取多个表面势，然后基于这些表面势及对应的参数信息建立表面势数据库，利用神经网络构建表面势解析模型，利用所述表面势解析模型确定新型材料制备的器件的表面势；因构建出的表面势解析模型相当于是一个对各种结构、各种参数、各种条件下的器件进行归一后的智能解析模型，因此在利用表面势解析模型确定新型材料制备的器件的表面势时，可以根据新型材料制备的器件的一些参数快速确定出相应的表面势，这样无需繁杂的测试就可以获取到表面势，提高了获取表面势的效率，进而在利用表面势来研究新型材料制备出的表面势器件的一些特性时，也提高了整体研究进程效率。附图说明图1为本专利技术实施例提供的获取表面势的方法流程示意图；图2为本专利技术实施例提供的获取表面势的装置结构示意图。具体实施方式为了解决现有技术中在获取新型材料表面势器件的表面势时，获取方法复杂，导致利用表面势研究新型材料表面势器件特性的进程缓慢的技术问题，本专利技术提供了一种用于获取表面势的方法及装置，方法包括：获取多个目标器件的参数信息，所述参数信息包括：尺寸、器件结构、材料参数；多个目标器件包括：常规材料制备的器件以及表面势已经被确定的第一新型材料制备的器件；获取不同温度下的各所述目标器件的载流子迁移率；在对应的操作条件下，基于每个所述目标器件的尺寸、所述器件结构、所述材料参数及所述迁移率提取各表面势；基于各所述表面势和参数信息建立表面势数据库；基于所述表面势数据库，根据神经网络构建表面势解析模型；利用所述表面势解析模型确定新型材料制备的器件的表面势。下面通过附图及具体实施例对本专利技术的技术方案做进一步的详细说明。实施例一本实施例提供一种用于获取表面势的方法，如图1所示，所述方法包括：S110，获取多个目标器件参数信息；为了建立表面势数据库，本步骤中先需要获取到多个目标器件参数信息，参数信息包括：尺寸、器件结构、材料参数以及不同温度下的各所述目标器件的载流子迁移率。这里，目标器件可以包括：常规材料制备的器件及表面势已经被测量过并确定出结果的某些第一新型材料制备的器件。这里，常规材料一般是体材料，比如硅本文档来自技高网...

【技术保护点】
1.一种用于获取表面势的方法，其特征在于，所述方法包括：获取多个目标器件的参数信息，所述参数信息包括：尺寸、器件结构、材料参数以及不同温度下的各所述目标器件的载流子迁移率；所述多个目标器件包括：常规材料制备的器件以及表面势已经被确定的第一新型材料制备的器件；所述常规材料包括体材料，所述第一新型材料包括：薄膜材料；在对应的操作条件下，基于每个所述目标器件的尺寸、所述器件结构、所述材料参数及所述迁移率提取各表面势；基于各所述表面势和所述参数信息建立表面势数据库；基于所述表面势数据库，根据神经网络构建表面势解析模型；利用所述表面势解析模型确定第二新型材料制备的器件的表面势。

【技术特征摘要】
1.一种用于获取表面势的方法，其特征在于，所述方法包括：获取多个目标器件的参数信息，所述参数信息包括：尺寸、器件结构、材料参数以及不同温度下的各所述目标器件的载流子迁移率；所述多个目标器件包括：常规材料制备的器件以及表面势已经被确定的第一新型材料制备的器件；所述常规材料包括体材料，所述第一新型材料包括：薄膜材料；在对应的操作条件下，基于每个所述目标器件的尺寸、所述器件结构、所述材料参数及所述迁移率提取各表面势；基于各所述表面势和所述参数信息建立表面势数据库；基于所述表面势数据库，根据神经网络构建表面势解析模型；利用所述表面势解析模型确定第二新型材料制备的器件的表面势。2.如权利要求1所述的方法，其特征在于，所述获取不同温度下的各所述目标器件的载流子迁移率，包括：根据公式获取所述载流子迁移率μ(T)，其中，所述q为单元电荷，所述a为原子间距，所述kB为波尔兹曼常数，所述T为温度，所述v0为局域态长度的倒数，所述Ea为载流子跃迁的激活能。3.如权利要求1所述的方法，其特征在于，所述基于各所述表面势各所述参数信息建立表面势数据库，包括：建立各所述表面势与所述参数信息的之间各映射关系表；将所述各映射关系表分别存储至预设数据库中对应的数据块中，形成所述表面势数据库。4.如权利要求1所述的方法，其特征在于，基于所述表面势数据库，根据神经网络构建表面势解析模型，包括：基于所述表面势数据库确定表面势训练样本集；利用所述神经网络提供的假设模型对所述表面势训练样本集进行数据拟合，获取一物理方程，所述物理方程为所述表面势解析模型。5.如权利要求1所述的方法，其特征在于，所述基于所述表面势数据库，根据神经网络构建表面势解析模型后，还包括：基于所述表面势数据库建立薛定谔-泊松方程；利用自洽求解获取所述薛定谔-泊松方程的第一解；获取所述表面势解析模型的第二解；获取所述第二解与所述第一解之间的差值；利用所述...

【专利技术属性】
技术研发人员：卢年端，李泠，刘明，
申请(专利权)人：中国科学院微电子研究所，
类型：发明
国别省市：北京,11