动态老化过程在线预测方法
    4.
    发明公开

    公开(公告)号:CN115859790A

    公开(公告)日:2023-03-28

    申请号:CN202211475291.0

    申请日:2022-11-23

    Abstract: 本发明提供了一种动态老化过程在线预测方法,包括如下步骤:测试及阈值电压提取;以及建立模型及在线预测;所述建立模型及在线预测的步骤中,动态老化模型包括退化模型和恢复模型,通过选定的基准数据第一周期作为训练集输入LSTM神经网络训练建立,预测分别使用基准数据的后续周期和其余条件下的数据,验证准确性和普遍性。本发明基于机器学习数据驱动方法,针对PDSOI器件的特点,对动态老化过程进行在线预测,补充了NBTI恢复情况的预测,改进了已积累历史退化量器件的退化预测,结果具有准确性和普遍性。

    电流镜
    5.
    发明公开
    电流镜 审中-实审

    公开(公告)号:CN115543009A

    公开(公告)日:2022-12-30

    申请号:CN202211207132.2

    申请日:2022-09-30

    Abstract: 本发明提供了一种电流镜,包括参考端晶体管和输出端晶体管,两晶体管的栅极相互连接,源极均接电路的最低电位或最高电位,参考端晶体管的漏极为电流镜的电流输入端,输出端晶体管的漏极为电流镜的电流输出端;还包括一电压运算放大器,所述电压运算放大器的正输入端与电流镜的电流输入端连接,负输入端与电流镜的电流输出端连接,输出端与两晶体管的栅极连接。上述技术方案通过引入电压运算放大器,解决了由于参考端与输出端电压不一致而造成镜像电流的精度问题。运算放大器的引入在电流镜内部构成了负反馈,使两晶体管的栅极能够在电路上电后快速且自适应地达到稳压状态。运算放大器的差分输入端能够有效改善电流镜的噪声。

    全耗尽SOI衬底上MOSFET的电容模型提取方法

    公开(公告)号:CN115270667A

    公开(公告)日:2022-11-01

    申请号:CN202210818863.4

    申请日:2022-07-13

    Abstract: 本发明提供了一种全耗尽SOI衬底上MOSFET的电容模型提取方法,包括如下步骤:将MOSFET源极、漏极短接并提供交流电压小信号,在背栅提供直流偏置,直流偏置使沟道区处在积累和反型状态,并在上述两状态下分别测量MOSFET在栅极的交流电流小信号,得出沟道电容Cgc;将MOSFET的源极、漏极与背栅短接并提供交流电压小信号,在MOSFET的栅极测量交流电流小信号,得到栅极电容Cgg;根据测得的沟道电容Cgc和栅极电容Cgg计算得出前栅氧化层电容Cox与埋氧层电容Cbox。本发明根据全耗尽SOI衬底的特点对电容模型进行重建,能够准确的提取采用FDSOI衬底的MOSFET前栅氧化层和埋氧层电容。

    自加热效应建模与参数提取方法

    公开(公告)号:CN115236400A

    公开(公告)日:2022-10-25

    申请号:CN202210853979.1

    申请日:2022-07-13

    Abstract: 本发明提供了一种自加热效应建模与参数提取方法,包括如下步骤:设计自加热效应测量结构;对器件栅极电阻进行交流阻抗测试;对器件功率进行动态扫描,同时测量器件的栅极电阻变化情况;绘制温度‑功率曲线,并从中提取器件热阻。本发明通过引入交流阻抗测量,只需额外的两个栅极电阻测量端口,减少了对器件的测量端口需求,同时栅极的偏置不会存在电势分布不均导致器件的自加热效应表征产生偏移。

    一种SOI器件极低温模型建模方法以及模型

    公开(公告)号:CN118761372A

    公开(公告)日:2024-10-11

    申请号:CN202410284184.2

    申请日:2024-03-13

    Abstract: 本发明所要解决的技术问题是,提供一种SOI器件极低温模型的建模方法,适用于SOI器件在极低温下的应用。为了解决上述问题,本发明提供了一种应用于SOI MOSFET的亚阈值摆幅模型的建模方法,包括如下步骤:根据测试数据计算亚阈值摆幅;建立常温BSIMIMG模型;提取参数极低温等效参数、等效温度拟合参数;提取常温下前栅功函数和极低温阈值电压拟合参数;提取常温迁移率影响因素、极低温迁移率拟合参数、以及尺寸迁移率温度影响因素拟合参数。本发明为了让SOI器件在极低温下可以使用BSIM模型中亚阈值摆幅模型公式,提出一种简便的建模方法使器件在极低温下模型和数据得以拟合,实测误差小于10%,精度符合业界标准。

    持续退化过程在线预测方法
    10.
    发明公开

    公开(公告)号:CN115935804A

    公开(公告)日:2023-04-07

    申请号:CN202211479006.2

    申请日:2022-11-23

    Abstract: 本发明提供了一种持续退化过程在线预测方法,包括如下步骤:测试及阈值电压提取;以及通过数据驱动方法建立退化模型及在线预测;所述建立模型及在线预测的步骤进一步包括:将原始退化数据集划分为前后两部分,前一部分作为训练集,后一部分作为测试集,两者不交叉;据时间序列滑动时间窗口方法对训练集和测试集进行划分;将划分好的训练集输入神经网络进行训练、调参;将预测结果对比原始测试数据计算误差。本发明基于机器学习数据驱动方法,针对PDSOI器件的特点,在受持续NBTI应力情况进行在线预测,有效提高了预测结果精度。

Patent Agency Ranking