当前位置: 首页 > news >正文

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

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。

相关文章:

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

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…...

vue阶段性测试题,内容丰富,案例典型,题目配有答案

阶段性测试 理论题实践题 1)理论题 请简述Vue、Node.js、Vscode是什么,以及有什么关系 1. vue是一个轻量级、比较灵活的且支持组件开发的网络框架 2. node.js是让JavaScript运行在服务器上的一直环境 3. Vscode是一款有着丰富插件的代码编辑器 4. 关系…...

如何查看PC电脑已经已经连接上的网络WiFi密码?

运行ncpa.cpl...

Java 语言的特点分析及应用

Java语言自问世以来,因其独特的设计理念和广泛的应用领域,成为了编程语言中的一颗璀璨明星。以下是对Java语言特点的详细分析及其实际应用场景,希望能帮助面试者更好地理解和掌握Java的优势。 1. 简单易学 Java的语法简单,类似于…...

Golang | Leetcode Golang题解之第84题柱状图中最大的矩形

题目&#xff1a; 题解&#xff1a; func largestRectangleArea(heights []int) int {n : len(heights)left, right : make([]int, n), make([]int, n)for i : 0; i < n; i {right[i] n}mono_stack : []int{}for i : 0; i < n; i {for len(mono_stack) > 0 &&am…...

linux实用命令

一、常用命令 mkdir -p mkdir -p 命令用于在Unix和Linux系统中创建目录。其中&#xff0c;-p参数确保目录名称存在&#xff0c;如果目录不存在的就新创建一个。换句话说&#xff0c;-p参数允许创建一个目录和它不存在的父目录&#xff0c;确保了指定的整个目录路径都会被…...

创建和管理数据库

1. 一条数据的存储过程 存储数据是处理数据的第一步.只有正确的把数据存储起来&#xff0c;我们才能进行有效的处理和分析.否则&#xff0c;只能是一团乱麻.在MySQL中&#xff0c;一个完整的数据存储过程一共有四步 : 创建数据库&#xff0c;确认字段&#xff0c;创建数据表&a…...

Spring STOMP-发送消息

如果你想要从应用程序的任何地方向连接的客户端发送消息&#xff0c;要怎么做&#xff1f;任何应用程序组件都可以向brokerChannel发送消息。要这样做&#xff0c;最简单方法是注入一个SimpMessagingTemplate并使用它来发送消息。通常&#xff0c;你会按类型注入它&#xff0c;…...

kubernetes多master集群架构

一、完成master02节点的初始化操作 master02环境准备&#xff0c;详细过程参考上一期博客环境准备 #添加主机映射 vim /etc/hosts 192.168.88.3 master01 192.168.88.8 master02 192.168.88.4 node01 192.168.88.5 node021、准备master02节点需要的文件 从 master01 节点上拷…...

MySQL数据库的初始化(创建库、创建表、向数据库添加测试数据)

MySQL数据库的初始化&#xff08;创建库、创建表、修改数据库访问密码、向数据库添加测试数据&#xff09; MySQL数据库简介MySQL创建一个新的数据库修改数据库访问密码 MySQL创建一张新的数据表简单&#xff08;设置&#xff09;表复杂&#xff08;设置&#xff09;表 填充测试…...

hive动态分区

hive动态分区概念:允许插入数据到分区表时,根据插入的数据内容自动创建相应的分区 1.启用动态分区功能 hive.exec.dynamic.partitiontrue; 2.分区字段设置 在insert语句中, 动态分区的字段必须放在select语句的末尾,hive会根据这个字段的值来创建分区目录 示例: --创建分区表…...

QT状态机10-QKeyEventTransition和QMouseEventTransition的使用

1、QMouseEventTransition的使用 首先明白 QMouseEventTransition 继承自 QEventTransition类。 关于QEventTransition类的使用,可参考 QT状态机9-QEventTransition和QSignalTransition的使用 回顾 QT状态机9-QEventTransition和QSignalTransition的使用 中的状态切换代码,如…...

PDK安装及简介

目录 PDK简介 pdk安装 Standard Cell Library简介 IO Library简介 PDK简介 PDK&#xff1a;全称Process Design Kit&#xff0c;是工艺设计工具包的缩写&#xff0c;是制造和设计之间的沟通桥梁&#xff0c;是模拟电路设计的起始点。 具体来说&#xff0c;PDK是代工厂(FAB…...

20240511每日运维----聊聊nignx改配置所有的nginx改完unknow

1、改配置所有的nginx改完unknow src/core/nginx.h src/http/ngx_http_header_filter_module.c src/http/ngx_http_special_response.c src/http/v2/ngx_http_v2_filter_module.c 2、make 3、去objs里面把nginx文件替换过去sbin/nginx...

hive日常使用时忘记部分补充(不定时)

1、date_formate、unix_timestamp、from_unixtime用法&#xff1a; 2、lag&#xff08;&#xff09;、lead()用法&#xff1a; lag&#xff08;)窗口函数返回分区中当前行之前行&#xff08;可以指定第几行&#xff09;的值。 如果没有行&#xff0c;则返回null。 lead()窗口…...

android 安全机制 和权限管理 的一点研究

Android 应用权限设置: 在 Android 中,每个应用都必须声明其需要的权限,例如访问相机、读取联系人等。这些权限在应用安装时由用户授予,并且用户可以在应用运行时随时更改这些权限。Android 的权限模型是基于用户授予或拒绝应用对敏感资源的访问。这种模型允许用户在应用级…...

Vue3.0 一些总结 【持续更新】

1. reactive 只适用于对象 (包括数组和内置类型&#xff0c;如 Map 和 Set&#xff0c;它不支持如 string、number 或 boolean 这样的原始类型) import { reactive } from vueconst counter reactive({count: 0 })console.log(counter.count) // 0 counter.count注意&#xf…...

C++语法|对象的浅拷贝和深拷贝

背景&#xff1a; 我们手写一个顺序栈&#xff0c;展开接下来的实验&#xff1a; ⭐️ this指针指向的是类在内存中的起始位置 class SeqStack { public:SqeStack(int size 10) {cout << this << "SeqStack()" << endl;pstack_ new int[size_];t…...

行为型模式

模板方法模式 #include<iostream> #include<string> using namespace std;/*案例&#xff1a;写简历内容&#xff1a;最近有个招聘会&#xff0c;可以带上简历去应聘了。但是&#xff0c;其中有一家公司不接受简历&#xff0c;而是给应聘者发了一张简历表&#xf…...

AI大模型日报#0515:Google I/O大会、 Ilya官宣离职、腾讯混元文生图大模型开源

导读&#xff1a;欢迎阅读《AI大模型日报》&#xff0c;内容基于Python爬虫和LLM自动生成。目前采用“文心一言”&#xff08;ERNIE 4.0&#xff09;、“零一万物”&#xff08;Yi-34B&#xff09;生成了今日要点以及每条资讯的摘要。 《AI大模型日报》今日要点&#xff1a;谷歌…...

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…...

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…...

23-Oracle 23 ai 区块链表(Blockchain Table)

小伙伴有没有在金融强合规的领域中遇见&#xff0c;必须要保持数据不可变&#xff0c;管理员都无法修改和留痕的要求。比如医疗的电子病历中&#xff0c;影像检查检验结果不可篡改行的&#xff0c;药品追溯过程中数据只可插入无法删除的特性需求&#xff1b;登录日志、修改日志…...

ssc377d修改flash分区大小

1、flash的分区默认分配16M、 / # df -h Filesystem Size Used Available Use% Mounted on /dev/root 1.9M 1.9M 0 100% / /dev/mtdblock4 3.0M...

HDFS分布式存储 zookeeper

hadoop介绍 狭义上hadoop是指apache的一款开源软件 用java语言实现开源框架&#xff0c;允许使用简单的变成模型跨计算机对大型集群进行分布式处理&#xff08;1.海量的数据存储 2.海量数据的计算&#xff09;Hadoop核心组件 hdfs&#xff08;分布式文件存储系统&#xff09;&a…...

Go 并发编程基础:通道(Channel)的使用

在 Go 中&#xff0c;Channel 是 Goroutine 之间通信的核心机制。它提供了一个线程安全的通信方式&#xff0c;用于在多个 Goroutine 之间传递数据&#xff0c;从而实现高效的并发编程。 本章将介绍 Channel 的基本概念、用法、缓冲、关闭机制以及 select 的使用。 一、Channel…...

PH热榜 | 2025-06-08

1. Thiings 标语&#xff1a;一套超过1900个免费AI生成的3D图标集合 介绍&#xff1a;Thiings是一个不断扩展的免费AI生成3D图标库&#xff0c;目前已有超过1900个图标。你可以按照主题浏览&#xff0c;生成自己的图标&#xff0c;或者下载整个图标集。所有图标都可以在个人或…...

RLHF vs RLVR:对齐学习中的两种强化方式详解

在语言模型对齐&#xff08;alignment&#xff09;中&#xff0c;强化学习&#xff08;RL&#xff09;是一种重要的策略。而其中两种典型形式——RLHF&#xff08;Reinforcement Learning with Human Feedback&#xff09; 与 RLVR&#xff08;Reinforcement Learning with Ver…...

NineData数据库DevOps功能全面支持百度智能云向量数据库 VectorDB,助力企业 AI 应用高效落地

NineData 的数据库 DevOps 解决方案已完成对百度智能云向量数据库 VectorDB 的全链路适配&#xff0c;成为国内首批提供 VectorDB 原生操作能力的服务商。此次合作聚焦 AI 开发核心场景&#xff0c;通过标准化 SQL 工作台与细粒度权限管控两大能力&#xff0c;助力企业安全高效…...

数据库优化实战指南:提升性能的黄金法则

在现代软件系统中&#xff0c;数据库性能直接影响应用的响应速度和用户体验。面对数据量激增、访问压力增大&#xff0c;数据库性能瓶颈经常成为项目痛点。如何科学有效地优化数据库&#xff0c;提升查询效率和系统稳定性&#xff0c;是每位开发与运维人员必备的技能。 本文结…...