【技术实现步骤摘要】
一种基于K折交叉验证集成学习模型的GAAFET电容特性预测方法
[0001]本专利技术属于半导体仿真
,特别涉及一种基于K折交叉验证集成学习模型的GAAFET电容特性预测方法。
技术介绍
[0002]随着工艺节点逐渐进入5纳米甚至3纳米以下,利用鱼鳍式场效应晶体管(FinFET)实现更快的开关速度及更低的功耗变得十分困难。环栅场效应晶体管(Gate All Around Field Effect Transistor,GAAFET)由于具有更大的栅极接触面积,从而增加了栅极控制能力,能够实现更好的开关特性及更有效的抑制短沟道效应,被认为是代替FinFET器件的最佳选择。但是由于特征尺寸的持续缩放,GAAFET也面临着寄生电容增加导致开关性能下降这一难题,器件性能因此受到了严重的影响。
[0003]对于GAAFET新型结构器件的电容特性研究,一般利用TCAD工具进行模拟仿真与分析,具有灵活性高和精度高等优点,是一种有效的器件特性研究手段。目前主流的TCAD工具主要是Silvaco和Sentaurus TCAD,后者采用有限元分析方法实现计算,在完成对器件结构的模型建立和网格划分后,对格点进行相关物理方程的求解从而获得仿真结果。由于TCAD工具求解的是最为基础的物理方程(如电子与空穴的输运方程、泊松方程、扩散方法),加上可选择的丰富的物理模型进行修正,这种底层的模拟方法仿真方法使得TCAD得到的数据十分接近实际晶圆测试结构。
[0004]传统基于TCAD建立GAAFET器件模型提取电容特性的方法虽是 ...
【技术保护点】
【技术特征摘要】
1.一种基于K折交叉验证集成学习模型的GAAFET电容特性预测方法,其特征在于,包括如下步骤:步骤1,通过TCAD仿真软件建立GAAFET器件模型;步骤2,基于所述GAAFET器件模型,通过改变设计参数,得到多条不同设计条件下的电容
‑
电压特性曲线,电容
‑
电压特性曲线的横轴为电压,纵轴为电容;步骤3,以相同的电压间隔,从每条所述电容
‑
电压特性曲线中取出N个数据点,作为训练集成学习模型的数据集,按比例将数据集划分成训练集、交叉验证集和测试集,并通过K折交叉将训练集划分为K个子集;所述集成学习模型作为电容特性预测模型,其输入为一组所述设计参数,输出为GAAFET器件电容特性;步骤4,利用所述数据集训练所述集成学习模型,满足要求的模型用于不同参数以及不同工作条件下的GAAFET器件电容特性预测。2.根据权利要求1所述基于K折交叉验证集成学习模型的GAAFET电容特性预测方法,其特征在于,所述步骤1,在TCAD仿真软件中,利用Sentaurus Structure Editor生成GAAFET器件结构,包括器件的物理尺寸、材料类型参数、杂质掺杂的类型和浓度以及电极引出;通过网格划分得到以msh.tdr为后缀的器件物理信息文件;通过有限元分析计算,求解用于描述载流子分布和传输的泊松方程,得到GAAFET器件的电容特性在划分网格点的近似值;以所述器件物理信息文件作为Sentaurus Device的输入文件进行电学模拟仿真,得到GAAFET器件的电容
‑
电压曲线。3.根据权利要求1所述基于K折交叉验证集成学习模型的GAAFET电容特性预测方法,其特征在于,所述步骤2,设计参数包括栅极长度L
g
、沟道高度H
fin
、沟道宽度W
fin
和栅氧化层厚度T
ox
。4.根据权利要求1所述基于K折交叉验证集成学习模型的GAAFET电容特性预测方法,其特征在于,所述步骤3,K折交叉中,选取K=5,即,基于数据集生成5个子数据集,并在划分训练集、交叉验证集和测试集时固定随机种子,确保数据集划分可复现。5.根据权利要求1所述基于K折交叉验证集成学习模型的GAAFET电容特性预测方法,其特征在于,所述电容特性预测模型的构建方法如下:利用不同尺寸卷积核分别构建模型一、模型二、模型三;对模型一、模型二、模型三,分别通过K折交叉验证进行训练生成K个二级子模型;通过将K个二级子模型的输出取平均,分别将模型一、模型二、模型三的K个二级子模型集成为一级子模型一、一级子模型二、一级子模型三;将所述一级子模型一、所述一级子模型二和所述一级子模型三的输出通过greedy ensemble算法集...
【专利技术属性】
技术研发人员:王树龙,陈思宇,张旭艳,陈栋梁,李宇航,刘伯航,马兰,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。