1.前一阶段的问题

大概接触了一段时间的silvaco,根据《InP基PIN开关二极管结构设计与制备》这篇文章提供的结构和一些简单的参数进行仿真。因为已经工作,没有老师在自己摸索,学习期间看到很多人写的心得或理解,或多或少都对我有所帮助。但是Z希望我能够把重点放在效应(我猜他指的是model和material的参数)对仿真结果的影响。这一部分的资料很少看到,所以我也来写下我的学习过程。也希望能够有遇上同样问题的人一起讨论。

先简单记录一下我在用这篇文章的结构仿真遇到的问题:

1、 最开始是用devedit画PIN管的结构,但是最后仿真的I-V曲线似乎与atlas通过语句(mesh、region、electron、doping)直接定义的结构仿真的I-V曲线不同。这点有待验证,可能是自己粗心少了参数。

2、 这一个重掺杂的InP基,InGaAs同质结的PIN二极管,如果不去修改x.composition(同理y.composition)、NC300、NV300(或者其他我还没发现的参数),这个结构的能带一开始就会是简并半导体的能带。但是silvaco自带的example里很少有修改NC300和NV300,如果有修改的话通常会把这两个值设置成一样;而参考altas_user_manual里6.4节计算出的NC300和NV300也同样与example里写的参数不同(计算的参数更大)。

3、 仿真出来的曲线,什么样的参数会对曲线的某个点、某段范围产生什么样的影响,要保证仿真的曲线符合物理。

2.mobility models

依然还是从最简单的diode(example里的diodeex03.in的结构)开始理解model中的Mobility models。具体model的介绍在manual的3.6.1节。Manual提到迁移率模型可以大致分成四种:低电场行为(low filed behavior),高电场行为(high filed behavior),体半导体区(bulk semiconductor regions),反型层(inversion layers)。

The low electric field behavior has carriers almost in equilibrium with the lattice and the mobility has a characteristic low-field value that is commonly denoted by the symbol μn0,μp0. The value of this mobility is dependent upon phonon and impurity scattering. Both of which act to decrease the low-field mobility.

The high electric field behavior shows that the carrier mobility declines with electric field because the carriers that gain energy can take part in a wider range of scattering processes. The mean drift velocity no longer increases linearly with increasing electric field, but rises more slowly. Eventually, the velocity doesn’t increase any more with increasing field but saturates at a constant velocity. This constant velocity is commonly denoted by the symbol Vsat. Impurity scattering is relatively insignificant for energetic carriers, and so Vsat is primarily a function of the lattice temperature.

Modeling mobility in bulk material involves: (i) characterizing μn0 and μp0 as a function of doping and lattice temperature, (ii) characterizing Vsat as a function of lattice temperature, and (iii) describing the transition between the low-field mobility and saturated velocity regions.

Modeling carrier mobilities in inversion layers introduces additional complications. Carriers in inversion layers are subject to surface scattering, extreme carrier-carrier scattering, and quantum mechanical size quantization effects. These effects must be accounted for in order to perform accurate simulation of MOS devices. The transverse electric field is often used as a parameter that indicates the strength of inversion layer phenomena.

(摘自atlas_users1)

低电场行为使载流子几乎与晶格平衡(这里没懂?),迁移率具有特征性的低电场值,通常用符号μn0、μp0来表示。这种迁移率的大小取决于声子和杂质散射。两者都会降低低电场迁移率。

高电场行为表明,载流子迁移率随电场的增加而下降,因为获得能量的载流子可以参与更广泛的散射过程。平均漂移速度不再随电场的增大而线性增加,而是缓慢上升。最终,速度不再随电场的增加而增加,而是以恒定的速度饱和。这种恒定速度通常用符号Vsat表示。杂质散射对于含能载流子来说是相对不重要的,因此Vsat主要是晶格温度的函数。

体半导体区中的迁移率包括:(i)将μn0和μp0描述为掺杂和晶格温度的函数,(ii)将Vsat描述为晶格温度的函数,以及(iii)描述低场迁移率和饱和速度区域之间的转换。

在反转层中模拟载流子迁移率会带来额外的复杂性。反转层中的载流子受到表面散射、极端载流子散射和量子力学尺寸量子化效应的影响。为了对MOS器件进行精确的模拟,必须考虑这些影响。横向电场常被用作指示反转层现象强度的参数。

上面是理解后的翻译,但是看英文真的很难....感觉在语意理解总是有偏差,所以用直接看程序print出来的结果理解manual。这次先尝试经常看到的conmob、analytic、arora、ccsmob、fldmob、watt、kla、cvt。先研究一下前三个,根据下表manual的summary看,conmob是基本的迁移率模型,analytic比他多了温度因素,arora是在Si中替代analytic的模型?

表1

2.1.conmob

调用不同的model,print的信息不同:

REGIONAL MOBILITY MODEL SUMMARY:Region #1:Model for Electrons:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing built-in model (refer to manual).Model for Holes:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing built-in model (refer to manual).

2.2.analytic

REGIONAL MOBILITY MODEL SUMMARY:Region #1:Model for Electrons:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing Caughey-Thomas model.mu1   = 55.24mu2   = 1429.23alpha = 0beta  = -2.3gamma = -3.8delta = 0.73ncrit = 1.072e+17Model for Holes:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing Caughey-Thomas model.mu1   = 49.7mu2   = 479.37alpha = 0beta  = -2.2gamma = -3.7delta = 0.7ncrit = 1.606e+17

2.3.conmob+analytic

REGIONAL MOBILITY MODEL SUMMARY:Region #1:Model for Electrons:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing Caughey-Thomas model.mu1   = 55.24mu2   = 1429.23alpha = 0beta  = -2.3gamma = -3.8delta = 0.73ncrit = 1.072e+17Model for Holes:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing Caughey-Thomas model.mu1   = 49.7mu2   = 479.37alpha = 0beta  = -2.2gamma = -3.7delta = 0.7ncrit = 1.606e+17

可以从analytic和conmob+analytic的print结果以及manual的描述推测定义conmob和analytic参数都会激活此模型。

图1​​

2.4.arora

REGIONAL MOBILITY MODEL SUMMARY:Region #1:Model for Electrons:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing Arora model.mu1   = 88mu2   = 1252alpha = -0.57beta  = -2.33gamma = 2.546ncrit = 1.432e+17Model for Holes:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing Arora model.mu1   = 54.3mu2   = 407alpha = -0.57beta  = -2.33gamma = 2.546ncrit = 2.67e+17

2.5.analytic+conmob+arora

REGIONAL MOBILITY MODEL SUMMARY:Region #1:Model for Electrons:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing Arora model.mu1   = 88mu2   = 1252alpha = -0.57beta  = -2.33gamma = 2.546ncrit = 1.432e+17Model for Holes:Concentration Dependent Mobility@ Temperature =     300 KelvinUsing Arora model.mu1   = 54.3mu2   = 407alpha = -0.57beta  = -2.33gamma = 2.546ncrit = 2.67e+17
最后只调用了arora模型,arora指定了一个解析的浓度和温度依赖的模型。

到目前为止,先将这三个模型的组合输出正向曲线。

图2

看起来三个模型都没有对阈值电压产生影响,电流的趋势是一样的。似乎进入了瓶颈,我原本以为三个模型会有很大差别。

2.6 一些想法

Mobility models有五类:
1.用MUN和MUP参数来设置电子和空穴的常数。
2.查找表(CONMOB)参数将300K下的低电场迁移率与杂质联系起来。
3.选择低电场迁移率模型,ANALYTIC、ARORA或MASETTI,将低电场载流子迁移率与杂质浓度和温度联系起来。
4.选择载流子-载流子散射模型(CCSMOB、CONWELL或BROOKS),该模型将低电场迁移率与载流子浓度和温度联系起来。
5.使用统一的低电场迁移率模型(KLASSEN),该模型将低场迁移率与施主、受主、晶格、载流子-载流子散射和温度联系起来。

(摘自atlas_users1)

图3 pn结的地方有个电场,其他地方没有

图4 虽然不是特别明显,依稀看的出e-mob越高,电流上升速度越快

适用的低电场范围在哪里?同样是浓度和温度的函数,为什么ANALYTIC的迁移率比ARORA的高? ANALYTIC、ARORA两者分别在什么情况使用?

先说第一个问题,Z的想法是如下两张图(图5、图6)。
“在v还保持线性变化的阶段,是不是就可以认为是低场强,之后可以看作是新的模型主导。”

图5

图6

无言以对,好像很有道理。由于没看到manual里面有更准确的解释,就暂时这么理解吧。

想了好几种方法比较ANALYTIC、ARORA。用excel列了一下。Highlight的是计算出的μn0(暂时都只算n),红色参数实际在arora中没有用到,统一都用的是analytic的硅默认参数(arora的硅默认参数与analytic不同,想控制变量),光看μn0好像看不出啥。

表2​

换个思路…把变量控制为温度和浓度。很明显可以看出两个模型下,随着温度的变化呈现相反的趋势,浓度的趋势大体相同,Arora的解释还有一个是“Alternative to ANALYTIC for Si”。

表3

图7 以温度为x轴,看μ大小

图8 以log10(浓度)为x轴,看μ大小

silvaco-mobility models(1)相关推荐

  1. SILVACO TCAD 软件使用参考

    Introduction 1.概述 Atlas提供了基于物理的二(2D)和三维(3D)模拟的一般能力.Atlas被设计为与VWF交互式工具一起使用.VWF交互工具是DeckBuild, TonyPlo ...

  2. 【Silvaco example】Temperature Ramping - Effect on Leakage

    1.例子讲解 本示例演示了Atlas中任何device的全局温度梯度(global temperature ramping)的正确方法. (1)结构定义 为了简单起见,这里选择了二极管结构. go a ...

  3. Silvaco学习笔记(十二)毕设相关

    感觉很乱,需要写一写整理一下思路 按照师兄代码里的physics和math都更改一下,看是否会收敛. Physics( MaterialInterface="Silicon/Oxide&qu ...

  4. silvaco 第三章迁移率模型

    记录模型都是什么 都用了什么 低场迁移率: 1 MUN and MUP parameters to set constant values for electron and hole mobiliti ...

  5. 车载无线自组织网络的介质访问控制协议研究

    摘  要 车载无线自组织网络技术(Vehicular Ad Hoc Network, VANET),作为未来智能交通系统的基础之一,通过车与车.车与路边节点的相互通信来构成无线通信网络,用于传递辅助驾 ...

  6. 阅读文献Evaluation of dynamic route planning impact on vehicular communications with SUMO

    标题:基于SUMO的动态路径规划对车辆通信的影响评估 ABSTRACT: Simulations are the first approach used by the research communi ...

  7. TCAD(technology computer aided design)学习笔记

    目录 第 1 章 绪论 第2章 TCAD知识与理论基础 第3章 TCAD工艺仿真基本知识与仿真工具基本使用方法介绍 第4章 半导体工艺仿真基本模型介绍与仿真校准 第5章 半导体器件仿真基本知识及器件特 ...

  8. 利用Random Waypoint Model生成室内轨迹数据

    利用Random Waypoint Model生成室内轨迹数据 1 模型简介 1.1 Random Waypoint Model 1.2 Random Walk Model 1.3 Random Di ...

  9. NS3系列—6———NS3无线资料

    http://www.cnblogs.com/lovemo1314/archive/2011/08/08/2130751.html ns3 无线资料 ns-3的能量模型: http://www.nsn ...

  10. 计算机顶级会议的历年最佳文章 (1996-2013)

    本人博客地址:http://blog.csdn.net/wanrenwangxuejing Best Paper Awards in Computer Science (since 1996) ByC ...

最新文章

  1. Android 截取当前Activity并转成Bitmap
  2. pam mysql编译安装_pam_mysql编译过程排错
  3. 第41讲:Scrapy框架的介绍
  4. 初识Mysql(part7)--我需要知道的5个关于正则的小知识
  5. SAP Fiori国际化支持之UI5 RTL support的实现原理
  6. Windows环境下smarty安装简明教程
  7. linux根目录cat退出,Linux展示cat帮助信息并退出
  8. python面试题之解释一下python的and-or语法
  9. 群同态基本定理证明_自由群的定义及相关
  10. git小乌龟工具TortoiseGit记住你的账号密码
  11. LeetCode_88、合并两个数组(python)
  12. 基础集合论 第一章 6 并集
  13. 未转变者服务器关雨指令,Unturned未转变者3.21版本物品ID代码汇总
  14. 五年谷歌ML Infra生涯,我学到最重要的3个教训
  15. python入门基础三之流程控制
  16. 谷歌浏览器chrome 自己写的插件使用教程
  17. 深兰科技出席“2022世界设计之都大会”,论剑工业设计高峰论坛
  18. .NET Core统一设置路由前缀
  19. 用css3实现图片左右翻转
  20. 打造数字人民币的大运应用场景

热门文章

  1. 微软官方地址下载sql 2000简体中文企业版(含SP3 SP4 下载地址)
  2. 泛在电力物联网建设大纲ppt
  3. ftl有三种映射地址_SSD之FTL技术
  4. 如何免费将网页内容转成Word文档
  5. 深入浅出PID控制算法(二)——PID算法离散化和增量式PID算法原理及Matlab实现
  6. java 信鸽推送demo_iOS中关于信鸽推送的使用demo详解
  7. 三大抽样分布:卡方分布,t分布和F分布
  8. 第十章 隐马尔可夫模型
  9. vue.js 密码加密_1Password ——密码管理工具
  10. 【EasyAR实战项目】图像识别+模型交互(全网首发,保姆级教程)