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

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，通过TCAD仿真软件建立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

【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一种有效的器件电容特性研究手段，但是需操作人员首先根据GAAFET器件建立物理结构模型，添加材料物理参数，形成仿真条件控制命令，最终得到所需特性曲线。该模拟仿真过程还需加入次级效应的物理模型以及进行合适的网格划分，过程繁琐且耗时，需有足够的半导体物理知识储备，造成人力成本的浪费。除此之外，基于TCAD仿真所涉及的数据量较大，仿真数据需要与流片数据比对，在合理的范围内迭代优化模型参数和材料参数，校准实验数据和仿真数据，以保证仿真环境的可靠性和准确性。综上所述，现有GAAFET的电容特性仿真方式耗时长、效率低、受人工因素影响较大。

技术实现思路

[0005]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于K折交叉验证集成学习模型的GAAFET电容特性预测方法，以期快速准确地预测GAAFET特性，有效解决传统获取GAAFET器件电容特性方法所存在的耗时长、效率低、受人工因素等缺点。
[0006]为了实现上述目的，本专利技术采用的技术方案是：
[0007]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，包括如下步骤：
[0008]步骤1，通过TCAD仿真软件建立GAAFET器件模型；
[0009]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；
[0010]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；
[0011]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。
[0012]在一个实施例中，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。
[0013]在一个实施例中，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
。
[0014]在一个实施例中，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。
[0015]在一个实施例中，所述电容特性预测模型的构建方法如下：
[0016]利用不同尺寸卷积核分别构建模型一、模型二、模型三；
[0017]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；
[0018]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；
[0019]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算法集成，得到电容特性预测模型。
[0020]在一个实施例中，所述模型一、模型二、模型三的卷积核尺寸分别为3*3、5*5、7*7，相应地，所述一级子模型一、一级子模型二和一级子模型三分别为CNN3*3、CNN5*5、CNN7*7。
[0021]在一个实施例中，所述模型一、模型二、模型三均为卷积神经网络模型，结构相同，均由输入层、两层全连接输入扩展层、两层卷积层、两层全连接层和一层输出层组成；
[0022]其中，第一层全连接输入扩展层由32个神经元组成，第二层全连接输入扩展层由64个神经元组成，每一层全连接输入扩展层后均添加一个批量归一化单元与一个LeaKyReLu激活函数；
[0023]所述卷积层，对于模型一，每层的Kernel为3*3，通道数为32，stride为1，padding为1；对于模型二，每层的Kernel为5*5，通道数为32，stride为1，padding为1；对于模型三，每层的Kernel为7*7，通道数为32，stride为1，padding为1；
[0024]第一层全连接层由512个神经元组成，第二层全连接层由128个神经元组成。
[0025]在一个实施例中，所述通过K折交叉验证进行训练生成K个二级子模型的方法是：
[0026]将训练集随机分成K份，其中一份作为验证集，剩余K
‑
1份作为训练集，共能够生成K个不同的子数据集，每个子数据集有一份验证集，K
‑
1份训练集；使用K个子数据集分别对模型一、模型二或模型三进行训练，得到K个二级子模型；
[0027]对于三个一级子模型的输出，采用greedy ensemble算本文档来自技高网...

【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：