인공 신경망 모델을 이용한 Work Function Variation (WFV), Random Dopant Fluctuation (RDF)가 유발하는 5nm 노드 FinFET의 전기적 특성 변화 예측 (Artificial Neural Network Model for Predicting Work Function Variation (WFV) and Random Dopant Fluctuation (RDF)-induced Variation of Electrical Characteristics of 5 nm Node FinFET)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 59권 / 8호 / 115 ~ 124페이지
· 저자명 : 김지환, 이재준, 이진웅, 임재혁, 신창환

초록

Work function variation (WFV), Random dopant fluctuation (RDF) 현상은 FinFET에서 발생하는 Process-induced variation 현상의 주요 원인이다. 본 연구에서는 5nm 노드 FinFET에서 WFV/RDF가 유도하는 전기적 소자 특성의 변동 예측을 위해 Artificial neural network (ANN) 모델을 사용한 발전된 방법을 제안한다. 본 논문에서의 ANN 모델은 4개의 input feature [i.e., Average grain size(AGS), Source/Drain doping density(S/D doping), Retrograde channel doping concentration(RCD doping), Retrograde channel doping peak point(RCD Peak)]를 사용해서 소자 성능을 나타내는 7개 output feature [i.e., off-state leakage current(), saturation drain current(), linear drain current(), low drain current(), high drain current(), saturation threshold voltage() and linear threshold voltage()]를 예측한다.

영어초록

Work function variation (WFV) and Random dopant fluctuation (RDF) are the main sources of Process-induced variation in Fin-shaped field effect transistor (FinFET). In this work, we proposed and developed the Artificial neural network (ANN) model for predicting the WFV/RDF-induced variation of electrical characteristics of 5nm node FinFET. This ANN model uses four input features [i.e., Average grain size(AGS), Source/Drain doping density(S/D doping), Retrograde channel doping concentration(RCD doping), Retrograde channel doping peak point(RCD Peak)] to predict 7 output features [i.e., off-state leakage current(), saturation drain current(), linear drain current(), low drain current(), high drain current(), saturation threshold voltage() and linear threshold voltage()] representing device performance.

참고자료

· 없음