芯耀
348
研究背景
由于晶體管尺寸微縮帶來的性能增益逐漸減少，集成電路制程發(fā)展速度放緩，納米器件和集成電路制造相關(guān)的廠商和機構(gòu)轉(zhuǎn)而從新型器件結(jié)構(gòu)入手探索新的技術(shù)助推劑。一些半導(dǎo)體技術(shù)的發(fā)展嚴重依賴于器件模擬技術(shù)，因此，需要找到降低器件仿真和計算時間成本的方式方法。此外，功函數(shù)波動（以下簡稱WKF）、隨機摻雜劑波動（以下簡稱RDF）、隨機界面阱（暫譯，random interface trap簡稱RIT）、工藝參數(shù)浮動效應(yīng)（以下簡稱PVE）和邊緣粗糙度（line-edge roughness）等各種變化因子在先進集成電路制造中都有著重要的作用。如今,高驅(qū)動電流和器件縮小是半導(dǎo)體制造中需要考慮的兩大因素。
中國臺灣陽明交通大學(xué)平行與科學(xué)計算實驗室研究團隊首次提出了一種深度學(xué)習(xí)算法研究不同工藝變化因子對半導(dǎo)體納米器件性能的影響,基于柵極功函數(shù)波動統(tǒng)計分布，并以先進GAA晶體管為研究對象探索了器件模擬仿真的創(chuàng)新新方案。該成果以“Deep Learning Approach to Inverse Grain Pattern of Nanosized Metal Gate for Multichannel GateAll-Around Silicon Nanosheet MOSFETs”為題發(fā)表于IEEE Transactions on Semiconductor Manufacturing，第一作者為Chandni Akbar，通訊作者為李義明教授。
研究內(nèi)容
研究團隊通過對于晶體管器件進行研究，發(fā)現(xiàn)金屬柵極的WKF會引起不同的電性能變化，針對其實驗成果提出了一種深度學(xué)習(xí)算法——artificial neural network(以下簡稱ANN)，用于識別金屬柵極上合適的WKF模式，以減少波動造成的影響。在此基礎(chǔ)上，團隊進一步研究了探討了ANN算法在多溝道GAA nanosheet器件*中的應(yīng)用，以抑制WKF對特性波動的影響。
*多溝道GAA nanosheet器件，與三星發(fā)布的MBCFET類似，是一種采用多nanosheet溝道堆疊結(jié)構(gòu)的環(huán)柵晶體管器件，不同廠商有各自的命名。
圖(a)為多溝道nanosheet器件示意圖；
圖(b)為功函數(shù)模型,以二進制圖案映射WKF波動
通過器件仿真生成數(shù)據(jù)的原理流程圖
圖為ANN架構(gòu)實際工作示例
ANN算法訓(xùn)練模式
ANN算法測試模式
DL-ANN模型的性能驗證顯示：
圖(a)經(jīng)多次訓(xùn)練&測試的損失值變化；
圖(b)經(jīng)多次訓(xùn)練&測試的模型精度變化
前景展望
中國臺灣陽明大學(xué)團隊基于WKF對工藝變化影響的ANN算法，為納米器件建模和電路設(shè)計分析提供一種新的方法，可減小器件電學(xué)特性的波動，加速器件設(shè)計和工藝中的調(diào)參流程，是集成電路器件仿真和新興人工智能技術(shù)優(yōu)化技術(shù)之間的橋梁，并在未來成為集成電路器件模擬和優(yōu)化的一劑強大助推劑。
團隊介紹
李義明教授，中國臺灣陽明交通大學(xué)電機系教授、平行與科學(xué)計算實驗室負責(zé)人、納米元件實驗室組長及副研究員，2001年博士畢業(yè)于國立交通大學(xué)電子研究所。目前研究方向為半導(dǎo)體組件模式與仿真、電路仿真與設(shè)計優(yōu)化、顯示、生醫(yī)與能源電子。
中國臺灣陽明交通大學(xué)，原中國臺灣交通大學(xué)與陽明大學(xué)于2021年正式合并改組完成，兩校皆為中國臺灣一流學(xué)府，分別專長于電子信息領(lǐng)域和生物醫(yī)學(xué)領(lǐng)域；其中，臺交大在電子、通信和光電等學(xué)科研究水平居世界前列。
平行與科學(xué)計算實驗室，由國立交通大學(xué)發(fā)起成立于公元2001年，從事基礎(chǔ)學(xué)術(shù)研究以及電機信息領(lǐng)域?qū)崉?wù)問題，該實驗室與新竹科學(xué)園區(qū)半導(dǎo)體、面板顯示器、與太陽能電池大廠密切合作，實驗室所研究的結(jié)果，皆與業(yè)界進行樣品實作與實驗量測驗證，是世界上少數(shù)能落實學(xué)以致用，縮小理論與實務(wù)差距之專業(yè)實驗室。
論文原文鏈接：https://ieeexplore.ieee.org/document/9552207/
