一种使用基于知识的神经网络的MOS晶体管的射频参数退化模型制造技术

本发明专利技术公开了一种使用基于知识的神经网络的MOS晶体管的射频参数退化模型，该模型可以拟合所测试的直流参数的退化情况和所测试的射频参数的退化情况之间的对应关系。该过程主要分为三步：第一步，对建模所用的MOS管进行HCI退化实验，得到不同直流应力下的直流参数和射频参数的HCI退化情况；第二步，建立一个基于知识的神经网络的结构作为初始模型；第三步，将测试结果作为训练和测试数据，通过训练神经网络不断调整、优化模型结构，得到最优的模型。模型。模型。

【技术实现步骤摘要】
一种使用基于知识的神经网络的MOS晶体管的射频参数退化模型


[0001]本专利技术涉及MOS管可靠性建模领域，尤其涉及一种使用基于知识的神经网络的MOS晶体管的射频参数退化模型。

技术介绍

[0002]MOS管具有输入阻抗高、噪声低、热稳定性好和制造工艺简单等特点，因而通常被用于放大电路或开关电路中，成为构成超大规模集成电路的基础。然而由于CMOS工艺水平的不断提高，器件的沟道长度不断缩短，栅氧化层不断减薄，MOS管的可靠性问题尤其是热载流子效应越来越成为影响其性能与寿命的重要问题。超大规模集成电路的迅速发展，使得对整个电路系统以及单个器件的性能和可靠性的要求越来越高，因此研究MOS管的可靠性问题对于电路设计至关重要。而基于知识的神经网络作为一种重要的计算机辅助设计技术(Computer-Aided Design，CAD)在器件建模领域有着广泛的应用，不仅可以帮助我们快速建立精度高、性能好的模型，也对后续的设计工作具有指导意义。
[0003]目前，研究MOS管可靠性所面临的主要技术难点在于三个方面。
[0004]一，射频参数的测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种使用基于知识的神经网络的MOS晶体管的射频参数退化模型，其特征在于，所述模型的结构包括如下：1、输入层：包括对MOS管施加的直流应力以及对应的直流参数的HCI退化测量结果；2、先验知识：将MOS管的交流小信号模型和射频参数的表达式(1)-(3)作为先验知识；(3)作为先验知识；(3)作为先验知识；3、精确模型：将对MOS管施加应力后对应的射频参数的HCI退化测量结果作为精确模型...

【专利技术属性】
技术研发人员：傅海鹏，杨丽平，马凯学，
申请(专利权)人：天津大学，
类型：发明
国别省市：