一种预测鳍式场效应管器件随机掺杂波动效应的方法技术

本发明专利技术提供一种预测鳍式场效应管器件随机掺杂波动效应的方法，包括根据鳍式场效应管(FinFET)器件的沟道掺杂分布以及漏极电流与栅极电压关系曲线构建数据集；设置输入层、隐藏层和输出层的层数与神经元个数，建立FinFET器件随机掺杂波动的神经网络预测模型；为该模型设定初始值，通过不断对训练数据进行预测来计算误差，并通过反向传播算法更新、优化模型参数；向训练完毕的神经网络预测模型输入待预测FinFET器件的参数，得到该器件的阈值电压和亚阈值摆幅。本发明专利技术通过输入FinFET器件导电沟道分区域离子个数，可以快速、准确地预测该器件的阈值电压和亚阈值摆幅，为FinFET器件波动效应模拟提供一种耗时短、供选择的解决方案。供选择的解决方案。供选择的解决方案。

【技术实现步骤摘要】
一种预测鳍式场效应管器件随机掺杂波动效应的方法


[0001]本专利技术属于FinFET器件模拟
，具体涉及一种基于神经网络预测FinFET器件随机掺杂波动效应的方法。

技术介绍

[0002]鳍式场效应管(FinFET)是一种新型的三维晶体管结构，其采用了在硅片上凸起的立体结构来增大沟道面积，从而提高了器件的栅控能力和传输速度，因此相较于传统的二维晶体管结构具有更优异的电学性能。此外，三维结构还使得FinFET器件的栅控电极和通道之间的电容得以降低，从而实现了更低的漏电流和更低的功耗。由于具有以上优点，FinFET器件相较于传统的晶体管结构在纳米级别具有良好的性能，因此在现代集成电路设计中得到了广泛的应用。
[0003]FinFET器件中的随机掺杂波动效应是指由于掺杂粒子的随机分布，使得器件特性出现统计分布和随机涨落的现象。该效应对器件的可靠性和性能有着很大的影响，严重制约着器件制造工艺的稳定性和一致性。并且，随着FinFET器件的特征尺寸进入纳米量级，随机掺杂波动效应越来越显著。
[0004]传统的FinFET器件随机掺杂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测鳍式场效应管器件随机掺杂波动效应的方法，其特征在于，该方法包括以下步骤：步骤1，从多组相同宏观参数的鳍式场效应管FinFET器件获取其沟道掺杂分布以及漏极电流与栅极电压关系曲线和对应的漏极电压，从中提取阈值电压、和亚阈值摆幅，构建训练神经网络预测模型所需的数据集；步骤2，根据输入变量与输出变量的个数分别设置输入层与输出层的神经元的数量，并通过交叉验证的方法确定隐藏层的结构，建立FinFET器件随机掺杂波动预测的神经网络预测模型；步骤3，对神经网络预测模型进行训练，为神经网络预测模型设定初始值，然后通过持续对数据集中的输入数据进行预测，得到预测数据，计算预测数据与真实数据的误差，并通过反向传播更新、优化神经网络预测模型的参数；步骤4，向训练完毕的神经网络预测模型输入待预测的FinFET器件参数，得到该器件的阈值电压和亚阈值摆幅。2.根据权利要求1所述的一种预测鳍式场效应管器件随机掺杂波动效应的方法，其特征在于，步骤1的具体步骤为：根据与栅极距离的远近或均匀分割的方式，将FinFET器件的导电沟道划分为若干个区域，并基于掺杂分布计算每一个区域包含的掺杂离子个数；从FinFET器件的漏极电流与栅极电压关系曲线获取该器件的阈值电压V
th
以及该曲线对应的漏极
‑
源极电压V
ds
，其中阈值电压指FinFET器件恰好形成导电沟道时的栅极电压，并通过计算得到器件的亚阈值摆幅SS。3.根据权利要求1所述的一种预测鳍式场效应管器件随机掺杂波动效应的方法，其特征在于，所述构建训练神经网络预测模型所需的数据集，是将FinFET器件的分区域掺杂离子个数、源漏电压、阈值电压与亚阈值摆幅的数据按照7:2:1的比例分为训练集、验证集与测试集，然后分别对训练集和验证集进行归一化和标准化处理，其中归一化指将上述数据缩放到[0,1]区间，标准化指将上述数据缩放到均值为0、方差为1的分布中，从而构建神经网络预测模型的数据集。4.根据权利要求1所述的一种预测鳍式场效应管器件随机掺杂波动效应的方法，其特征在于，步骤2所述输入层是神经网络的第一层，用于接受输入数据；输入层的节点数应等于FinFET器件的沟道分区数加一，每个沟道分区的掺杂离子个数对应一个节点，外加源漏电压...

【专利技术属性】
技术研发人员：杨兰兰，何延杰，屠彦，刘怡呈，李怡宁，覃涛，
申请(专利权)人：南京集成电路设计自动化技术创新中心，
类型：发明
国别省市：