热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

半导体器件-----短沟道效应

MOSFET的沟道长度小于3um时发生的短沟道效应较为明显。短沟道效应是由以下五种因素引起的,这五种因素又是由于偏离了理想按比例缩小理论而产生的。它们是:(1)由于电源电压没
MOSFET的沟道长度小于3um时发生的短沟道效应较为明显。短沟道效应是由以下五种因素引起的,这五种因素又是由于偏离了理想按比例缩小理论而产生的。
它们是: 

(1) 由于电源电压没能按比例缩小而引起的电场增大; 
(2) 内建电势既不能按比例缩小又不能忽略; 
(3) 源漏结深不能也不容易按比例减小; 
(4) 衬底掺杂浓度的增加引起载流子迁移率的降低; 

(5) 亚阈值斜率不能按比例缩小。


(A) 亚阈值特性 


我们的目的是通过MOSFET的亚阈值特性来推断阈值电压到底能缩小到最小极限值.对于长沟道器件而言,亚阈值电流由下式给出 




   也可以写成如下的形式 


式中的Cd为单位面积耗尽区电容。 


是热电压,,在Vds大于几个热电压时等于

对上式两边取对数也可以写成

从式中可以看出,当时,即当栅-源电压等于亚阈值电压时有亚阈值电流:

为了使时,器件可以关断,我们可以令,则有

如果规定关断时(当)的电流比在(当)的电流小5个数量级,两边相除则有 

得到亚阈值电压的最小值为如果则亚阈值电压的最小值是,如果还想将阈值电压降低到400mV左右,那么就要减小的值,使

考虑到温度对阈值电压的影响,按比例缩小阈值电压将更加困难。阈值电压的温度系数,导致
阈值电压在温度范围(0-85℃)内的变化是85mV.制造工艺引起的最小变化也在50mV之间。工艺和温度引起的变化合计为135mV左右。因此,对增强型的MOS器件其阈值电压一般都控制在之间。


(B) 短沟道效应使阈值电压减小


对理想MOSFET器件,我们是利用电荷镜像原理导出阈值电压的表达式。见下图。


式中忽略了沟道中的反型层电荷密度为最大耗尽层单位面积电荷
密度。这个电荷密度都由栅的有效面积控制。并忽略了由于源/漏空间电荷区进入有效沟道区造成的对阈值电压值产生影响的因素。

图中显示了长沟道的N沟MOSFET的剖面图。在平带的情况下,且源-漏电压为零,源端和漏端的空间电荷区进入了沟道区,但只占沟道长度的很小一部分。此时的栅电压控制着沟道区反型时的所有反型电荷和空间电荷,如图所示。


随着沟道长度的减小,沟道区中由栅压控制的电荷密度减小。随着漏端电压的增大,漏端的空间电荷区更严重地延伸到沟道区,从而栅电压控制的体电荷会变得更少。由于栅极控制的沟道电荷区中的电荷数量会对阈值电压造成影响,如式所示.我们可以用图8.3所示的模型,定量的计算出短沟道效应对阈值电压造成的影响。假设源/漏结的扩散横向与纵向相等,都为jx。这种假设对扩散工艺形成的结来说是合理的,但对例子注入形成的结则不那么准确。我们首先考虑源端、漏端和衬底都接地的情况。


在短沟道情况下,假定栅极梯形区域中的电荷有栅极控制。在阈值反型点,降落在沟道区的空间电荷区上的势差为2Fp,源和漏结的内建电势差也约为2Fp,这表明这三个空间电荷区的宽度大体相等。如图8.3a。


假定梯形区内的单位面积平均电荷密度为,则有上式可以写成

由图8.3b 可以看出,有如下关系:由(8.15)式将(8.17)带入(8.18)带入(8.15)式带入(8.15)式

与长沟道器件相比,短沟道器件阈值电压表达式应该写成

考虑短沟道效应后,MOSFET器件的阈值电压会降低。 在这个模型的假设下,只有减小源/漏结的深度和增大单位面积栅电容,,才能降低阈值电压的偏移量。另外,式(8.22)是建立在源、沟道、漏的空间电荷区都相等的假设基础上推导出来的,如果漏端电压增大,这会使栅控制的沟道电荷数量减少,'L变短,使阈值电压变成了漏极电压的函数,随着漏极电压增大,N沟器件的阈值电压也会减小




推荐阅读
  • 用友深耕烟草行业25年,提出数字化转型建议
    本文介绍了用友在烟草行业深耕25年的经验,提出了数字化转型的建议,包括总体要求、主要任务、发展阶段和六位一体推进举措。通过数字化转型,烟草行业将注入新动能,实现高质量发展。 ... [详细]
  • 本文详细介绍了Linux中进程控制块PCBtask_struct结构体的结构和作用,包括进程状态、进程号、待处理信号、进程地址空间、调度标志、锁深度、基本时间片、调度策略以及内存管理信息等方面的内容。阅读本文可以更加深入地了解Linux进程管理的原理和机制。 ... [详细]
  • 也就是|小窗_卷积的特征提取与参数计算
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了卷积的特征提取与参数计算相关的知识,希望对你有一定的参考价值。Dense和Conv2D根本区别在于,Den ... [详细]
  • 计算成像的原理与应用研究
    本文探讨了计算成像的原理与应用研究。首先介绍了小孔成像实验和软件方面的相关内容。随后从傅里叶光学的角度简单谈了成像的过程。成像是观测样品分布的一种方法,通过成像系统接收光的强度来呈现图像。视网膜作为接收端接收到的图像实际上是由像元组成的矩阵,每个元素代表相应位置像元接收光的强度。大脑通过对图像的分析,得出一系列信息,如识别物体、判断距离等。计算成像是一种采集记录系统,通过处理数据得到样品分布与像的对应关系,用于后续问题的分析。 ... [详细]
  • 《王者荣耀》满配账号价值3.5万,究竟有多牛?
    近日,一群《王者荣耀》的游戏玩家展开了关于满配账号价值的讨论。满配账号不仅拥有所有英雄和皮肤,还包括300个满级铭文,其价值高达3.5万。这还不包括一些绝版的限定皮肤。想要达成《王者荣耀》的满配账号,需要付出巨大的代价。 ... [详细]
  • Go语言实现堆排序的详细教程
    本文主要介绍了Go语言实现堆排序的详细教程,包括大根堆的定义和完全二叉树的概念。通过图解和算法描述,详细介绍了堆排序的实现过程。堆排序是一种效率很高的排序算法,时间复杂度为O(nlgn)。阅读本文大约需要15分钟。 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 110. Balanced Binary Tree [Easy] 平衡树/递归
    本文介绍了一道关于平衡树的题目,通过递归和辅助函数来判断一个二叉树是否平衡。辅助函数返回根结点的深度,如果左子树或右子树不是平衡树,则返回-1。主函数根据辅助函数的返回值判断二叉树是否平衡。 ... [详细]
  • 本文介绍了腾讯最近开源的BERT推理模型TurboTransformers,该模型在推理速度上比PyTorch快1~4倍。TurboTransformers采用了分层设计的思想,通过简化问题和加速开发,实现了快速推理能力。同时,文章还探讨了PyTorch在中间层延迟和深度神经网络中存在的问题,并提出了合并计算的解决方案。 ... [详细]
  • 延迟注入工具(python)的SQL脚本
    本文介绍了一个延迟注入工具(python)的SQL脚本,包括使用urllib2、time、socket、threading、requests等模块实现延迟注入的方法。该工具可以通过构造特定的URL来进行注入测试,并通过延迟时间来判断注入是否成功。 ... [详细]
  • 词袋模型的通俗介绍
    词,袋, ... [详细]
  • 本文介绍了使用哈夫曼树实现文件压缩和解压的方法。首先对数据结构课程设计中的代码进行了分析,包括使用时间调用、常量定义和统计文件中各个字符时相关的结构体。然后讨论了哈夫曼树的实现原理和算法。最后介绍了文件压缩和解压的具体步骤,包括字符统计、构建哈夫曼树、生成编码表、编码和解码过程。通过实例演示了文件压缩和解压的效果。本文的内容对于理解哈夫曼树的实现原理和应用具有一定的参考价值。 ... [详细]
  • 在2022年,随着信息化时代的发展,手机市场上出现了越来越多的机型选择。如何挑选一部适合自己的手机成为了许多人的困扰。本文提供了一些配置及性价比较高的手机推荐,并总结了选择手机时需要考虑的因素,如性能、屏幕素质、拍照水平、充电续航、颜值质感等。不同人的需求不同,因此在预算范围内找到适合自己的手机才是最重要的。通过本文的指南和技巧,希望能够帮助读者节省选购手机的时间。 ... [详细]
  • 从高级程序员到CTO的4次能力跃迁!如何选择适合的技术负责人?
    本文讲解了从高级程序员到CTO的4次能力跃迁,以及如何选择适合的技术负责人。在初创期、发展期、成熟期的每个阶段,创业公司需要不同级别的技术负责人来实现复杂功能、解决技术难题、提高交付效率和质量。高级程序员的职责是实现复杂功能、编写核心代码、处理线上bug、解决技术难题。而技术经理则需要提高交付效率和质量。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
author-avatar
手机用户2502881415
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有