万景团队发明基于人工神经网络的高精度新型Z2-FET紧凑模型

发布时间：2024-05-27

Z²-FET（Zero Subthreshold Swing and Zero Impact Ionization Field-Effect Transistor）是基于先进FD-SOI（全耗尽绝缘层上硅）技术制造的新型器件，具有零亚阈值摆幅（< 1 mV/decade of current）、零碰撞电离、高开关电流比以及门控迟滞效应，广泛应用于静电放电保护（Electrostatic Discharge Protection, ESD）、高性能单晶体管动态随机存取存储器（One-Transistor Dynamic Random Access Memory, 1T-DRAM）、光电探测器、低亚阈值摆幅逻辑开关、人工脉冲神经元等领域。开发精确的紧凑模型对于新型器件的大规模实际应用或进一步预研至关重要，现有的Z²-FET的模型均由物理公式驱动，开发困难且精度欠佳，随着Z²-FET新型应用研究的进一步深入，这些模型已无法准确地捕捉器件的复杂行为，进而无法为研究提供实质性的帮助。

图1. n型Z²-FET的（a）器件结构，（b）I-V特性和（c）ANN拟合结果；补充ANN（Supplementary ANN，SA）模型的（d）原理示意图，（e）1T-DRAM仿真结果和（f）单个脉冲神经元仿真结果

近日，复旦大学信息学院万景研究员课题组创新性地发明了一种基于人工神经网络（Artificial Neural Network, ANN）的Z²-FET紧凑模型，并通过一系列的SPICE电路仿真验证了建模方法的可行性和模型本身的高精度。该工作创新性地用将Z²-FET视作一个“电压-电流”混合控制的电压源进行建模，结合ANN大幅简化了迟滞器件建模流程。基于 Z²-FET独特的反馈工作机理对模型进行了补充和完善，最终实现了对器件直流特性和瞬态效应的准确捕捉。

与传统的建模方法相比，该方法无需深厚的物理知识，开发难度小、周期短、可扩展性强，其数据驱动特性使得模型天然具有较高的精度，模型直流特性的平均拟合误差仅在1%左右。如图1（e）和（f）所示，在1T-DRAM和脉冲神经元电路仿真中，器件TCAD模拟结果和模型SPICE仿真结果表现出高度的一致性。同时，该方法也可以用于实验制造的器件测量数据建模，如图2所示。近日，该研究成果以“A New Compact Z²-FET Model Based on Artificial Neural Network and Its Applications”为题发表于微电子器件领域旗舰期刊IEEE Transactions on Electron Devices。（10.1109/TED.2024.3389929）

图2. （a）p型Z²-FET器件结构，（b）SEM图像，（c）ANN模型与测量数据高度一致

复旦大学信息学院硕士生刘晨宇为本文第一作者，复旦大学信息学院万景研究员，中国科学院微电子研究所刘凡宇研究员和南京邮电大学徐勇教授为论文的共同通讯作者。该工作得到了上海市科委“探索者”项目、上海市自然科学基金、广东省大湾区集成电路与系统研究院重点领域研究与开发基金、广州市重点领域研发计划、中科院硅器件与技术重点实验室开放基金等支持。

原文链接：https://ieeexplore.ieee.org/document/10508307

地址：淞沪路2005号复旦大学江湾校区交叉学科二号楼7楼电话：021-31242626