一种基于电场连续性的高压MOSFET紧凑模型,用于精确表征电容特性

本文主要是介绍一种基于电场连续性的高压MOSFET紧凑模型,用于精确表征电容特性,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

来源:A Compact Model of High-Voltage MOSFET Based on Electric Field Continuity for Accurate Characterization of Capacitance(TED 24年)

摘要

本文提出了一种新的高压MOSFET(HV MOS)紧凑模型,以消除现有模型中过高电容峰值的问题。与现有的改进电容模型方法相比,所提出的模型不再基于内部MOS和漂移区模型之间的电流连续性,而是基于电场连续性,并考虑了由于屏蔽栅(SG)和接触场板(CFP)引起的漂移区的二维效应。引入了一个新的远离SiO2/Si界面的点Ki,并使用点Ki处的静电势ψKi来替代内部漏极电压VK作为内部MOS的漏极电压,用于计算电流和电荷。此外,我们不再使用大多数现有模型中用于获取栅-漏极重叠(GDO)区域表面静电势ψK的一维高斯方程,而是提出了一个考虑P-区/ N-漂移结影响的新ψK模型。所提出的模型利用MM11模型来描述内部MOS的电流和电荷,并结合了作为ψK函数的GDO区域电荷模型,可以有效消除过高的电容峰值,并准确捕捉HV MOS的直流和电容特性。
关键词:2D效应、紧凑模型、电场连续性、栅-漏极重叠(GDO)区域电荷、高压MOSFET(HV MOS)
在这里插入图片描述

文章的研究内容

文章的研究内容是提出了一种新的高压MOSFET(HV MOS)紧凑模型,该模型基于电场连续性来精确表征电容特性。与现有改进的电容模型方法相比,此模型不再依赖于内在MOS与漂移区模型之间的电流连续性,而是考虑了由屏蔽栅(SG)和接触场板(CFP)引起的漂移区的二维效应。研究中引入了一个远离SiO2/Si界面的新点Ki,并使用Ki点处的静电势ψKi来替代内在MOS的漏极电压VK,进而计算电流和电荷。此外,研究没有采用多数现有模型中使用的基于一维高斯方程来获取栅-漏重叠(GDO)区域的表面静电势ψK,而是提出了一种新的ψK模型,该模型考虑了P体/N-漂移结界面对ψK的影响。

文章所提出的模型利用MM11模型来描述内在MOS的电流和电荷,并结合考虑ψK影响的GDO区域电荷模型,能够有效消除过高的电容尖峰,精确捕捉HV MOS的直流和电容特性。研究还通过使用二维泊松方程来求解ψKi,并提出了一种非迭代方法来计算ψKi,从而提高了计算速度和鲁棒性。通过与技术计算机辅助设计(TCAD)模拟结果以及15伏LDMOS的实际测量数据对比,验证了模型的有效性和准确性。模型还纳入了热网络以考虑自热效应,尽管实验条件限制使得无法获取所有VDS下的CGG曲线,但模型能准确捕捉CGD-VDS曲线的尖峰。

文章的核心贡献是开发了一个新的紧凑模型,它通过创新的电场连续性概念和对漂移区二维效应的考虑,显著改善了高压MOSFET电容特性的模拟精度。

文章的研究方法

文章采用的研究方法主要集中在理论建模、数值分析和实验验证几个方面,具体包括:

  1. 理论建模与创新:研究团队提出了一种新型的高压MOSFET(HV MOS)紧凑模型,该模型基于电场连续性而非传统电流连续性原理,这是理论创新之处。模型设计时考虑了二维(2-D)效应,特别是由屏蔽栅(SG)和接触场板(CFP)结构引起的漂移区效应。模型中引入了一个新的变量点Ki,用Ki点处的静电势ψKi代替传统的漏极电压VK来计算内在MOS的电流和电荷,这有助于更精确地表征高压MOS器件的电容特性。

  2. 数值求解与参数优化:研究中利用二维泊松方程求解ψKi,并通过数学推导与近似方法,如泰勒级数展开,得到了一系列方程来描述不同工作区间的电压和电荷关系。同时,提出了一个非迭代方法来快速且稳定地计算ψKi,以提高计算效率。模型中涉及的参数(如θch、θc、θd、kvg0、kvg1等)通过理论分析和拟合确定,以确保模型的精确度和实用性。

  3. 与现有方法对比:通过与现有的几种方法(称为方法1至3)进行对比,文章展示了新模型在消除过高电容尖峰方面的优势,特别是在精确捕获高压MOS器件的直流和电容特性方面。这种对比分析是通过理论推导和数值仿真完成的。

  4. 技术计算机辅助设计(TCAD)仿真验证:研究团队利用成熟的TCAD软件进行了仿真,验证了所提模型在18伏LDMOS器件上的适用性和准确性,包括直流特性和电容特性。仿真结果表明,新模型能够准确预测并消除电容尖峰现象。

  5. 实验数据验证:除了仿真验证,文章还利用了15伏LDMOS的实际测量数据进一步验证模型的准确性,证明模型不仅能有效应用于仿真环境,也能很好地反映真实器件的行为。

  6. 模型参数调整与优化:通过对模型参数的细致调整,确保模型能够适应不同条件下的器件特性,体现了模型的灵活性和普适性。

研究结合了理论分析、数值模拟与实验验证等多种研究方法,旨在开发并验证一种能够准确表征高压MOSFET电容特性的创新紧凑模型。

文章的创新点

文章的创新点在于提出了一种新的高压MOSFET(HV MOS)紧凑模型,旨在解决现有模型中电容尖峰过高的问题。以下是几个关键创新点:

  1. 基于电场连续性的新方法:不同于以往基于电流连续性的模型,新模型侧重于电场连续性,更准确地处理了高压MOS器件中漂移区的二维效应。这得益于考虑了屏蔽栅(SG)和接触场板(CFP)对漂移区的二维影响,使用了二维泊松方程来描述漂移区的电场分布。

  2. 引入Ki点和ψKi参数:模型创新性地引入了远离SiO2/Si界面的新点Ki,并使用该点的电势ψKi替代传统的内在漏极电压VK,来计算电流和电荷。ψKi的使用不仅避免了复杂的Maxwell-Boltzmann统计结合,而且简化了模型复杂度,提高了计算速度和模型的稳健性。

  3. 非迭代计算ψKi:为提升计算效率,文章提出了一个非迭代计算ψKi的方法,这在处理复杂物理现象时特别有益,因为通常迭代计算过程可能较为缓慢且稳定性不佳。

  4. 改进的ψK模型:针对栅-漏重叠(GDO)区域的电荷模型,文章提出了一种新的ψK模型,该模型考虑了P体/N-漂移结界面对ψK的影响,从而克服了传统模型仅使用一维高斯方程忽略二维效应的局限性。

  5. 综合MM11模型应用:模型综合运用了MM11模型来描述内在MOS的电流和电荷特性,并将GDO区域的电荷模型与之结合,实现了对HV MOS器件的直流特性和电容特性准确的描述,有效消除了电容尖峰问题。

  6. 理论与实践结合验证:研究不仅在理论上构建了模型,还通过技术计算机辅助设计(TCAD)仿真和实际15伏LDMOS器件的测量数据进行了验证,证明了模型的有效性和准确性,体现了理论与实践的紧密结合。

这些创新点共同构成了一个更为精准、高效且实用的高压MOSFET电容特性描述模型,对高压集成电路的设计与优化具有重要意义。

文章的结论

文章的结论是,为了消除高压MOSFET(HV MOS)中现存模型表现出的过度电容尖峰问题,本文提出了一种基于电场连续性的新型紧凑模型。该模型创新性地考虑了由屏蔽栅(SG)和接触场板(CFP)引起的漂移区二维效应,并引入了一个远离SiO2/Si界面的点Ki,利用该点的电势ψKi代替传统的内在MOS漏极电压VK来计算电流和电荷。此外,模型摒弃了常用的沿通道方向的一维高斯方程来获取GDO区域的表面电势ψK,而是提出了一个新的ψK模型,该模型考虑了P体/N-漂移结界面对ψK的影响。

模型的核心组成部分包括MM11模型来模拟内在MOS的电流和电荷,以及基于ψK的GDO区域电荷模型。这些组件的整合有效地去除了电容尖峰现象,并精确地捕捉了HV MOS的直流特性和电容特性。TCAD仿真结果和15V LDMOS的实际测量数据均被用来验证模型的准确性,表明模型在预测和表征高压MOS器件的电容特性方面具有显著的优势。

为了提高计算速度和模型的稳健性,文中还提出了一种非迭代方法来计算ψKi。最后,模型中加入了热网络以实现自热效应的模拟,尽管受限于实验条件,无法获取不同VDS下的CGG曲线,但模型能精确捕捉CGD-VDS曲线的尖峰。

总之,本文提出的基于电场连续性的高压MOSFET紧凑模型成功解决了电容尖峰问题,提高了电容特性的预测精度,并通过理论分析、仿真验证和实测数据的综合评估,验证了其在HV MOS器件建模中的有效性和实用性。

这篇关于一种基于电场连续性的高压MOSFET紧凑模型,用于精确表征电容特性的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/993082

相关文章

java8的新特性之一(Java Lambda表达式)

1:Java8的新特性 Lambda 表达式: 允许以更简洁的方式表示匿名函数(或称为闭包)。可以将Lambda表达式作为参数传递给方法或赋值给函数式接口类型的变量。 Stream API: 提供了一种处理集合数据的流式处理方式,支持函数式编程风格。 允许以声明性方式处理数据集合(如List、Set等)。提供了一系列操作,如map、filter、reduce等,以支持复杂的查询和转

一份LLM资源清单围观技术大佬的日常;手把手教你在美国搭建「百万卡」AI数据中心;为啥大模型做不好简单的数学计算? | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦! 1. 为啥大模型做不好简单的数学计算?从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o),组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试,然后由经验丰富的判卷老师评判得分。 结果如上图所

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

人工和AI大语言模型成本对比 ai语音模型

这里既有AI,又有生活大道理,无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统,来识别连续0123456789的英文语音。 但若不是仅针对数字,而是所有普通词汇,可能达到十几万个词,解码过程将非常复杂,识别结果组合太多,识别结果不会理想。因此只有声学模型是完全不够的,需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率,得到声学模型概率高,又符合表达

时间服务器中,适用于国内的 NTP 服务器地址,可用于时间同步或 Android 加速 GPS 定位

NTP 是什么?   NTP 是网络时间协议(Network Time Protocol),它用来同步网络设备【如计算机、手机】的时间的协议。 NTP 实现什么目的?   目的很简单,就是为了提供准确时间。因为我们的手表、设备等,经常会时间跑着跑着就有误差,或快或慢的少几秒,时间长了甚至误差过分钟。 NTP 服务器列表 最常见、熟知的就是 www.pool.ntp.org/zo

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

OpenCompass:大模型测评工具

大模型相关目录 大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容 从0起步,扬帆起航。 大模型应用向开发路径:AI代理工作流大模型应用开发实用开源项目汇总大模型问答项目问答性能评估方法大模型数据侧总结大模型token等基本概念及参数和内存的关系大模型应用开发-华为大模型生态规划从零开始的LLaMA-Factor

模型压缩综述

https://www.cnblogs.com/shixiangwan/p/9015010.html

AI赋能天气:微软研究院发布首个大规模大气基础模型Aurora

编者按:气候变化日益加剧,高温、洪水、干旱,频率和强度不断增加的全球极端天气给整个人类社会都带来了难以估计的影响。这给现有的天气预测模型提出了更高的要求——这些模型要更准确地预测极端天气变化,为政府、企业和公众提供更可靠的信息,以便做出及时的准备和响应。为了应对这一挑战,微软研究院开发了首个大规模大气基础模型 Aurora,其超高的预测准确率、效率及计算速度,实现了目前最先进天气预测系统性能的显著

PyTorch模型_trace实战:深入理解与应用

pytorch使用trace模型 1、使用trace生成torchscript模型2、使用trace的模型预测 1、使用trace生成torchscript模型 def save_trace(model, input, save_path):traced_script_model = torch.jit.trace(model, input)<