一种BTI模型框架下的模型参数提取方法技术

本发明专利技术公开了一种BTI模型框架下的模型参数提取方法，它包括以下步骤：a.提取半导体器件时间加速因子上限和下限；b.利用PSO算法对时间加速因子上限和下限进行优化；c.得到优化后的时间加速因子上限和下限。采用了交叉优化的方法，提高新的BTI模型框架参数提取与模型分解精度，同时也可向下减兼容，提取传统的RD模型与TD模型参数；与传统方法相比，具有更高的全局搜索能力，可以在不需要特殊复杂的数据预处理的情况下，提取BTI模型参数。提取BTI模型参数。提取BTI模型参数。

【技术实现步骤摘要】
一种BTI模型框架下的模型参数提取方法


[0001]本申请具体涉及一种BTI模型框架下的模型参数提取方法。

技术介绍

[0002]随着MOS器件尺寸的缩小，半导体器件BTI(偏置温度不稳定)特性对器件特性及电路性能影响日益显著，BTI的物理机制随着研究的深入愈发复杂。在新的BTI模型框架下，造成器件可靠性问题不再由单一的物理机制引起，而是由快陷阱与慢陷阱共同贡献造成。并且，多数的BTI器件级建模主要依据DC测试结果直接来进行，引起的是多陷阱模型参数维度升高，导致参数难以提取，对评估电路中BTI的影响具有相当大的误差。因此，更准确的模型参数提取对BTI特性的评估尤为重要。
[0003]目前采用的方法为：首先利用充分数据对模型进行参数逐一提取；再在模型参数提取中通过上下限与误差率分析进行参数优化
[0004]采用如图1所示的框架可对RD模型参数进行提取，对模型参数第一次进行粗略提取并得到各参数上下限，第二次在各参数范围内进行参数优化。
[0005]RD模型在MOS晶体管静态应力下，模型的非线性曲线为：
[0006][0007]上述RD模型参数提取步骤中，首先利用最小二乘法，令RD模型中时间指数为1/6，再根据每组所述退化值进行线性转换后分别拟合出参数值。利用模型参数表达式与拟合出的参数值计算得到模型参数的第一组解。
[0008]再令RD模型时间指数为1/4，重复步骤得到第二组解，根据两组解确定参数解的范围，每个参数解的范围要求包括两个解所在的区间。
[0009]在求解过程中，列出了对不同参数列出与实验数据、工作条件相关解的表达式，如提取温度激活能Ea，通过方程推导可得出参数可提取与优化的可行性：
[0010][0011]利用遗传算法进行参数优化，确定目标函数，再由每个模型参数已经得到的范围设定约束条件，最后执行算法得到模型参数的精确值。
[0012]但上述方法存在以下缺点：1.利用充分数据对模型进行参数逐一提取的方法要求数据与各模型参数一一对应，无法适用于较少数据与较复杂模型之间的参数提取。2.RD模型参数提取与优化方法虽然可以使得提取的参数更精确，但无法适用于两类陷阱的模型分解，即去耦合问题。3.参数优化过程中采用的算法得到的解依旧较为粗糙。

技术实现思路

[0013]本申请的主要目的在于提供一种基于粒子群算法的MOS晶体管BTI效应快陷阱与慢陷阱模型的参数提取方法，准确的进行模型分解。
[0014]为实现前述专利技术目的，本申请采用的技术方案包括：一种BTI模型框架下的模型参
数提取方法，它包括以下步骤：
[0015]a.提取半导体器件时间加速因子上限和下限；
[0016]b.利用PSO算法对时间加速因子上限和下限进行优化；
[0017]c.得到优化后的时间加速因子上限和下限。
[0018]另一种优化方案，所述的半导体器件为mos管。
[0019]另一种优化方案，步骤a中，通过建立快/慢陷阱模型的非线性曲线得到针对不同栅压应力条件下的关于mos管阈值电压随时间变化的退化值，以及针对不同温度应力下的阈值电压随时间变化的退化值；
[0020]快/慢陷阱模型的非线性为：
[0021]ΔV
th
＝A*t
B
+C*log10(1+D*t)(1)(1)
[0022]其中
[0023]A
∝
exp(m1V
g
)exp(
‑
E
a1
/KT)，C
∝
exp(m2V
g
)exp(
‑
E
a2
/KT)(2)。
[0024]另一种优化方案，对于快陷阱模型，在双对数坐标中，利用短期特征表现，针对式(3)
[0025]ΔV
th
＝a1*t
a2
+b1*log10(1+b2*t)(3)(3)
[0026]对每一条退化曲线采用粒子群算法拟合粗略值a2,b2，得到与不同应力条件相对应的多组a2,b2值，由于其短期特性快速陷阱增长贡献大的特点，取最大的a2值作为式(1)中参数B的上限，取最小的b2值作为式(1)中参数D的下限；
[0027]对于慢陷阱模型，在双线性坐标下，针对式(3)对每一条退化曲线采用粒子群算法拟合粗略值a2,b2，得到多组不同的a2,b2值，取最小的a2值作为式3中参数B的下限，取最大的b2值作为式(1)中参数D的上限，至此得到幂指数律时间指数B与对数律时间加速因子D的上下限，根据栅压应力退化曲线族，利用参数B与参数D的上限与下限，提取式(4)中的电压加速因子C1,C2
[0028]ΔV
th
＝c1*exp(d1V
g
)exp(
‑
E
a1
/KT)*t
B
+c2*exp(d2V
g
)exp(
‑
E
a1
/kT)*log10(1+D*t)(4)(4)
[0029]得到电压加速因子d1,d2与项系数c1,c2的上限与下限，根据温度应力退化曲线族，利用参数B与参数D的上限与下限，提取式(4)中的温度加速因子Ea1,Ea2，得到电压加速因子Ea1,Ea2与项系数c1,c2的上限与下限；其中t：施压时间；Vg：栅压；T：温度；K：玻尔兹曼常数；c1：慢陷阱项比例系数；c2：快陷阱项比例系数；d1：慢陷阱栅压加速因子；d2：快陷阱栅压加速因子；Ea1：慢陷阱温度加速因子；Ea2：快陷阱温度加速因子；B：慢陷阱时间加速因子；D：快陷阱时间加速因子。
[0030]另一种优化方案，步骤b中，利用栅压应力退化曲线族，根据得到的式(4)模型参数d1,d2,B,D,项系数的范围，设置约束条件，利用粒子群算法，采用遍历或上下限误差率小的方向对模型参数进行优化，得到参数d1,d2,B,D的优化值；利用温度应力退化曲线族，根据模型参数Ea1,Ea2,B,D的范围，设置约束条件，利用粒子群算法，采用遍历或上下限误差率小的方向对模型参数进行优化，得到式(4)参数优化值；在两次优化中得到两组不同的B,D值，重新利用这两组数据构成参数B,D的取值范围，将其上下限均以其差为标准向外扩展15
‑
30％；利用所有数据组曲线，采用新的B,D值约束条件，精确提取式(3)参数c1,c2,B,D。
[0031]本申请与现有技术相比具有以下优点：采用了交叉优化的方法，提高新的BTI模型
框架参数提取与模型分解精度，同时也可向下减兼容，提取传统的RD模型与TD模型参数；与传统方法相比，具有更高的全局搜索能力，可以在不需要特殊复杂的数据预处理的情况下，提取BTI模型参数。
附图说明
[0032]图1为NBTI效应RD模型参数提取与优化方法；
[0033]图2为PSO算法流程；
[0034本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种BTI模型框架下的模型参数提取方法，其特征在于，它包括以下步骤：a.提取半导体器件时间加速因子上限和下限；b.利用PS0算法对时间加速因子上限和下限进行优化；c.得到优化后的时间加速因子上限和下限。2.根据权利要求1所述的BTI模型框架下的模型参数提取方法，其特征在于：所述的半导体器件为mos管。3.根据权利要求2所述的BTI模型框架下的模型参数提取方法，其特征在于：步骤a中，通过建立快/慢陷阱模型的非线性曲线得到针对不同栅压应力条件下的关于mos管阈值电压随时间变化的退化值，以及针对不同温度应力下的阈值电压随时间变化的退化值；快/慢陷阱模型的非线性为：ΔV
th
＝A*t
B
+C*log10(1+D*t)(1)(1)其中A
∝
exp(m1V
g
)exp(
‑
E
a1
/KT)，C
∝
exp(m2V
g
)exp(
‑
E
a2
/KT)(2)。4.根据权利要求3所述的BTI模型框架下的模型参数提取方法，其特征在于：对于快陷阱模型，在双对数坐标中，利用短期特征表现，针对式(3)ΔV
th
＝a1*t
a2
+b1*log10(1+b2*t)(3)(3)对每一条退化曲线采用粒子群算法拟合粗略值a2，b2，得到与不同应力条件相对应的多组a2，b2值，由于其短期特性快速陷阱增长贡献大的特点，取最大的a2值作为式(1)中参数B的上限，取最小的b2值作为式(1)中参数D的下限；对于慢陷阱模型，在双线性坐标下，针对式(3)对每一条退化曲线采用粒子群算法拟合粗略值a2，b2，得到多组不同的a2，b2值，取最小的a2值作为式3中参数B的下限，取最大的b2值作为式(1)中参数D的上限，至此得到幂指数律...

【专利技术属性】
技术研发人员：李丰余，
申请(专利权)人：中科苏州微电子产业技术研究院，
类型：发明
国别省市：