AFS.GydF4y2Ba 模糊系统的研究进展GydF4y2Ba 1687 - 711 xGydF4y2Ba 1687 - 7101GydF4y2Ba Hindawi出版公司GydF4y2Ba 10.1155 / 2015/824524GydF4y2Ba 824524GydF4y2Ba 研究文章GydF4y2Ba 这GydF4y2Ba 一世GydF4y2Ba-GydF4y2Ba V.GydF4y2Ba基于anfis方法的BCD低压pMOSFET器件特性预测GydF4y2Ba 程ydF4y2Ba 沈丽GydF4y2Ba 场方程GydF4y2Ba 穆罕默德出席GydF4y2Ba 电子工程系GydF4y2Ba 国立联合大学GydF4y2Ba 苗栗市联达路2号36003GydF4y2Ba 台湾GydF4y2Ba nuu.edu.twGydF4y2Ba 2015GydF4y2Ba 17GydF4y2Ba 3.GydF4y2Ba 2015GydF4y2Ba 2015GydF4y2Ba 12GydF4y2Ba 10GydF4y2Ba 2014GydF4y2Ba 13GydF4y2Ba 02GydF4y2Ba 2015GydF4y2Ba 13GydF4y2Ba 02GydF4y2Ba 2015GydF4y2Ba 17GydF4y2Ba 3.GydF4y2Ba 2015GydF4y2Ba 2015GydF4y2Ba 版权所有©2015 Shen-Li Chen。GydF4y2Ba 这是一篇在知识共享署名许可下发布的开放存取的文章，它允许在任何媒体上无限制地使用、传播和复制，只要原始作品被适当地引用。GydF4y2Ba

使用传统的TCAD EDA工具的亚微米器件的综合性和预测建模由于缺乏可靠的模型和校准可用设备模型的可靠型号和困难，这变得越来越令人困惑。本文提出了一种新技术，通过使用自适应神经外套推理系统（ANFIS）来提出模拟BCD亚微米模型PMOSFET器件的新技术，并通过采用自适应神经外套推理系统（ANFIS）来预测不同偏置条件和不同几何尺寸的装置行为。在这里，使用ANFI来实现的力量GydF4y2Ba 一世GydF4y2Ba-GydF4y2Ba V.GydF4y2Ba在这些P沟道MOS晶体管中证明了行为。经过系统评估后，可以发现预测结果GydF4y2Ba 一世GydF4y2Ba-GydF4y2Ba V.GydF4y2Ba将ANFIS复杂亚微米PMOSFET的行为与实际诊断实验数据进行比较，并获得了良好的一致性。此外，误差百分比不大于2.5％。因此，这种新技术的效果包括精确的预测和更容易实现。GydF4y2Ba

 1.介绍GydF4y2Ba

半导体器件的建模最能使器件行为作为偏置条件和器件几何参数的函数进行评估。一般来说，理解设备行为背后的物理现象会导致所谓的设备SPICE模型或物理方法[GydF4y2Ba 1GydF4y2Ba-GydF4y2Ba 6.GydF4y2Ba］.最后，它创建了必须覆盖至少一个设备操作区域的设备模型，从而产生了如何对它们之间的转换建模的问题。因此，在某些情况下，由于缺乏对设备物理的理解，这种方法不适用或过于复杂。GydF4y2Ba

实际上，例如，对于MOSFET的阈值电压，这是一个最小栅极电压，可以诱导足够的载流子来支持电流。阈值电压和器件尺寸构成了用于超大规模集成电路设计电路仿真的BSIM模型或基于hspice的MOSFET电路模型的重要参数。然而，超大规模集成电路设计中使用的mosfet的尺寸一直在不断减小，以实现更高的器件/电路密度。而且，阈值电压是众所周知的GydF4y2Ba V.GydF4y2Ba thGydF4y2Ba 由于短通道效应(SCE)的综合作用，小器件与长或宽器件的特性将有所不同[GydF4y2Ba 7.GydF4y2Ba-GydF4y2Ba 9.GydF4y2Ba]，窄宽效果（nwe）[GydF4y2Ba 10GydF4y2Ba那GydF4y2Ba 11GydF4y2Ba]，反向短通道效应(RSCE) [GydF4y2Ba 12GydF4y2Ba那GydF4y2Ba 13GydF4y2Ba]，以及反向窄宽效应(RNWE) [GydF4y2Ba 14GydF4y2Ba那GydF4y2Ba 15GydF4y2Ba］.与此同时，这是GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba HSpice中的MOSFET方程从Level 1 (Shichman-Hodges模型)演化到BSIM3 Level 49 [GydF4y2Ba 16GydF4y2Ba-GydF4y2Ba 18GydF4y2Ba］.因此，这是GydF4y2Ba 一世GydF4y2Ba -GydF4y2Ba V.GydF4y2Ba MOSFET的特性不能通过ULSI电路模拟中的精确公式容易地表达。在这种情况下，该作品将提出一种新的方法，用于通过使用模糊理论和神经网络的组合来预测潜脑PMOSFET的表征。GydF4y2Ba

在本文中，开发了ANFIS以解决问题。该方法不需要假设任何拟合参数，因此它可以应用于任何物理系统。因为模糊规则是从人类专业知识和知识获得的，所以它们有时可能没有足够且定义缺乏。为了改善模糊规则中的这种缺点，模糊艺术中包括神经网络算法。该概念包括模糊控制和神经网络系统的优点。使用这种方法，我们可以增加一个具有学习和计算能力的神经网络技术的优点，进入模糊预测。同时，模糊预测系统还可以为神经网络提供高水平的人类专业知识和模糊规则。因此，与神经网络的学习能力相关联的模糊系统应该明显减少误差速率。该架构是所谓的自适应神经外套推理系统，或ANFIS [GydF4y2Ba 19GydF4y2Ba-GydF4y2Ba 22GydF4y2Ba］.在某些情况下，噪音可能直接影响一个人执行任务的准确性。最初，ANFIS网络通过学习和训练过程可以降低单个噪声或测量离群值。当然，一些前端滤波器或去噪方法是需要的，也用于良好的噪声消除使用ANFIS [GydF4y2Ba 23GydF4y2Ba-GydF4y2Ba 27GydF4y2Ba］.GydF4y2Ba

本研究使用的模型是基于ANFIS的。它是用来分析漏源极电流(GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba ）与不同的漏极 - 源极偏置电压（GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba )和门-源偏压(GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba )在不同通道长度(GydF4y2Ba L.GydF4y2Ba )及河道宽度(GydF4y2Ba W.GydF4y2Ba )在相同的制造工艺条件下。使用这种方法，模型不需要拟合任何物理参数。在学习过程中，可以根据测量数据对设备参数(加权和阈值系数)进行评估。GydF4y2Ba

 2.实验的细节GydF4y2Ba 2．1.获得实验结果GydF4y2Ba

在本文中，被测器件的所有几何尺寸均列于表中GydF4y2Ba 1GydF4y2Ba．这些测试样本(GydF4y2Ba L.GydF4y2Ba 1GydF4y2Ba 〜GydF4y2Ba L.GydF4y2Ba 10GydF4y2Ba 和GydF4y2Ba W.GydF4y2Ba 1GydF4y2Ba 〜GydF4y2Ba W.GydF4y2Ba 10GydF4y2Ba )，用低压工艺在0.4GydF4y2Ba μGydF4y2Bam BCD技术。通道宽度(GydF4y2Ba W.GydF4y2Ba ）第1组样品被设定为2  μGydF4y2Bam，沟道长度从0.4变化  μGydF4y2Bam - 3GydF4y2Ba μGydF4y2Bam(诊断1B dut包括在内)。通道长度(GydF4y2Ba L.GydF4y2Ba )的值设为0.6GydF4y2Ba μGydF4y2BaM，通道宽度从0.5变化GydF4y2Ba μGydF4y2Bam - 3GydF4y2Ba μGydF4y2Bam（包括诊断2b dut）。在第一步中，Keithley 236/2361系统用于测量每个DUT以获得实验GydF4y2Ba 一世GydF4y2Ba -GydF4y2Ba V.GydF4y2Ba 不同漏极和栅偏压下漏极电流的特性。在吉时利236/2361系统的设备测试中，为了避免一些测量噪声，使用了较长的积分时间(采样时间)来获得平均数据(类似滤波器)。此外，所有这些实验数据均可作为训练数据和漏极电流(GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba ）.GydF4y2Ba

不同dut的所有设备几何尺寸。GydF4y2Ba

组1GydF4y2Ba L.GydF4y2Ba 1GydF4y2Ba L.GydF4y2Ba 2GydF4y2Ba L.GydF4y2Ba 4.GydF4y2Ba L.GydF4y2Ba 5.GydF4y2Ba L.GydF4y2Ba 6.GydF4y2Ba L.GydF4y2Ba 8.GydF4y2Ba L.GydF4y2Ba 9.GydF4y2Ba b组1GydF4y2Ba L.GydF4y2Ba 3.GydF4y2Ba L.GydF4y2Ba 7.GydF4y2Ba L.GydF4y2Ba 10GydF4y2Ba
L.GydF4y2Ba （GydF4y2Ba μGydF4y2Ba米)GydF4y2Ba 0．4GydF4y2Ba 0.45GydF4y2Ba 0．6GydF4y2Ba 0．8GydF4y2Ba １．０GydF4y2Ba 1．6GydF4y2Ba 2．0GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba μGydF4y2Ba米)GydF4y2Ba ０．５GydF4y2Ba 1．2GydF4y2Ba 3．0GydF4y2Ba
W.GydF4y2Ba （GydF4y2Ba μGydF4y2Ba米)GydF4y2Ba 2GydF4y2Ba 2GydF4y2Ba 2GydF4y2Ba 2GydF4y2Ba 2GydF4y2Ba 2GydF4y2Ba 2GydF4y2Ba W.GydF4y2Ba （GydF4y2Ba μGydF4y2Ba米)GydF4y2Ba 2GydF4y2Ba 2GydF4y2Ba 2GydF4y2Ba
2组GydF4y2Ba W.GydF4y2Ba 1GydF4y2Ba W.GydF4y2Ba 2GydF4y2Ba W.GydF4y2Ba 3.GydF4y2Ba W.GydF4y2Ba 5.GydF4y2Ba W.GydF4y2Ba 6.GydF4y2Ba W.GydF4y2Ba 8.GydF4y2Ba W.GydF4y2Ba 9.GydF4y2Ba b组2GydF4y2Ba W.GydF4y2Ba 4.GydF4y2Ba W.GydF4y2Ba 7.GydF4y2Ba W.GydF4y2Ba 10GydF4y2Ba
L.GydF4y2Ba （GydF4y2Ba μGydF4y2Ba米)GydF4y2Ba 0．6GydF4y2Ba 0．6GydF4y2Ba 0．6GydF4y2Ba 0．6GydF4y2Ba 0．6GydF4y2Ba 0．6GydF4y2Ba 0．6GydF4y2Ba L.GydF4y2Ba （GydF4y2Ba μGydF4y2Ba米)GydF4y2Ba 0．6GydF4y2Ba 0．6GydF4y2Ba 0．6GydF4y2Ba
W.GydF4y2Ba （GydF4y2Ba μGydF4y2Ba米)GydF4y2Ba ０．５GydF4y2Ba 0．55GydF4y2Ba 0．6GydF4y2Ba 0．8GydF4y2Ba １．０GydF4y2Ba 1．6GydF4y2Ba 2GydF4y2Ba W.GydF4y2Ba （GydF4y2Ba μGydF4y2Ba米)GydF4y2Ba 0．7GydF4y2Ba 1．2GydF4y2Ba 3.GydF4y2Ba
2.2。神经线促推理系统学习GydF4y2Ba

众所周知，MOSFET器件建模的主要问题与亚阈值区域向强反转区域的过渡以及欧姆区域向饱和区域的过渡有关。对于最简单的情况，pMOS晶体管可以被认为是一个三端器件，其中两个端子(源端和散装端子)接地。在这种情况下，漏极电流的关系GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 将是两个偏差变量的函数(GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba 那GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba ）.然而，用一个精确而简单的公式来表达所涉及的内容是困难的。因此，在本文中，我们采用自适应神经模糊推理系统(ANFIS)的思想来预测漏极电流与四个变量(GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba 那GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba 那GydF4y2Ba L.GydF4y2Ba ,GydF4y2Ba W.GydF4y2Ba ）在PMOSFET设备中。GydF4y2Ba

ANFIS训练过程如图所示GydF4y2Ba 1GydF4y2Ba．首先，将四个输入参数作为训练数据。经过ANFIS的训练，我们可以得到漏极电流的预测值GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 'GydF4y2Ba ．数字GydF4y2Ba 2GydF4y2Ba展示了ANFIS体系结构;它包括五层:模糊层、乘积层、归一化层、触发层和总和层。GydF4y2Ba

ANFIS培训流程图。GydF4y2Ba

预测流程图GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 值的ANFIS。GydF4y2Ba

 3.结果与讨论GydF4y2Ba

在本研究中，测量样本的结果GydF4y2Ba L.GydF4y2Ba 3.GydF4y2Ba 那GydF4y2Ba L.GydF4y2Ba 7.GydF4y2Ba 那GydF4y2Ba L.GydF4y2Ba 10GydF4y2Ba 那GydF4y2Ba W.GydF4y2Ba 4.GydF4y2Ba 那GydF4y2Ba W.GydF4y2Ba 7.GydF4y2Ba ,GydF4y2Ba W.GydF4y2Ba 10GydF4y2Ba 作为诊断资料。并将其他样本的测量结果作为初步训练数据。经过ANFIS训练，我们能够获得GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 与实验数据进行比较时，预测值，预测结果的误差百分比不大于0.1％。GydF4y2Ba

３．１．第一组dutGydF4y2Ba

数据GydF4y2Ba 3(一个)GydF4y2Ba和GydF4y2Ba 3 (b)GydF4y2Ba3是想GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 测量数据面与预测数据面对比GydF4y2Ba L.GydF4y2Ba 和GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba 为栅极电压(GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba )设置为−3 V, 1A组样品(GydF4y2Ba W.GydF4y2Ba = 2  μGydF4y2Bam和GydF4y2Ba L.GydF4y2Ba 不同)。同理，FiguresGydF4y2Ba 4(一)GydF4y2Ba和GydF4y2Ba 4 (b)GydF4y2Ba3是想GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 测量数据面与预测数据面对比GydF4y2Ba L.GydF4y2Ba 和GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba 为漏极电压(GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba )设置为−3 V对相同的1A组样品。在数据GydF4y2Ba 3 (b)GydF4y2Ba和GydF4y2Ba 4 (b)GydF4y2Ba时，将预测面通道长度扩展为3GydF4y2Ba μGydF4y2Bam.然后，从FiguresGydF4y2Ba 3.GydF4y2Ba和GydF4y2Ba 4.GydF4y2Ba，表示在这种情况下GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba −4 V;GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V和GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba −4 V;GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V、好匹配GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 结果与1A组通道长度的对比如图所示GydF4y2Ba 5.GydF4y2Ba和GydF4y2Ba 6.GydF4y2Ba,分别。最后，诊断样本的比较(GydF4y2Ba L.GydF4y2Ba 3.GydF4y2Ba 那GydF4y2Ba L.GydF4y2Ba 7.GydF4y2Ba 那GydF4y2Ba L.GydF4y2Ba 10GydF4y2Ba )，以及图中预测数据GydF4y2Ba 3 (b)GydF4y2Ba和GydF4y2Ba 4 (b)GydF4y2Ba如图所示GydF4y2Ba 5.GydF4y2Ba〜GydF4y2Ba 9.GydF4y2Ba,分别。同时，例如，输出电导GydF4y2Ba GGydF4y2Ba DS.GydF4y2Ba 特征与GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba 和GydF4y2Ba L.GydF4y2Ba 图GydF4y2Ba 8.GydF4y2Ba．如图所示，得到了高度一致的结果，错误率不大于2.5%。GydF4y2Ba

3D类似的GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba (a)测量数据面与(b)预测数据面对比GydF4y2Ba L.GydF4y2Ba 和GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba 第1A组样品（如GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

3D类似的GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba (a)测量数据面与(b)预测数据面对比GydF4y2Ba L.GydF4y2Ba 和GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba 第1A组样品（如GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 测量结果和培训组1A样品的预测数据（如GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba −4 V;GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 测量结果和培训组1A样品的预测数据（如GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba −4 V;GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 1B组诊断样本的测量结果和预测数据(如GydF4y2Ba L.GydF4y2Ba =GydF4y2Ba ０．５GydF4y2Ba , 1.2, 3 -GydF4y2Ba μGydF4y2Bam;GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba GGydF4y2Ba DS.GydF4y2Ba 1B组诊断样本的测量结果和预测数据(如GydF4y2Ba L.GydF4y2Ba =GydF4y2Ba ０．５GydF4y2Ba , 1.2, 3 -GydF4y2Ba μGydF4y2Bam;GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 1B组诊断样本的测量结果和预测数据(如GydF4y2Ba L.GydF4y2Ba =GydF4y2Ba ０．５GydF4y2Ba , 1.2, 3 -GydF4y2Ba μGydF4y2Bam;GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

 3.2。对于第两项DUTGydF4y2Ba

数据GydF4y2Ba 10 ()GydF4y2Ba和GydF4y2Ba 10 (b)GydF4y2Ba3是想GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 测量数据面与预测数据面对比GydF4y2Ba W.GydF4y2Ba 和GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba 为栅极电压(GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba )设置为−3 V组2A样品(GydF4y2Ba L.GydF4y2Ba =GydF4y2Ba 0．6GydF4y2Ba μGydF4y2Bam和GydF4y2Ba W.GydF4y2Ba 不同)。同理，FiguresGydF4y2Ba (11日)GydF4y2Ba和GydF4y2Ba 11 (b)GydF4y2Ba3是想GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 测量数据面与预测数据面对比GydF4y2Ba W.GydF4y2Ba 和GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba 为漏极电压(GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba )设置为−3 V对同一组2A样品。同样,在数据GydF4y2Ba 10 (b)GydF4y2Ba和GydF4y2Ba 11 (b)GydF4y2Ba时，预测面通道宽度扩展为3GydF4y2Ba μGydF4y2Bam.然后，从FiguresGydF4y2Ba 10GydF4y2Ba和GydF4y2Ba 11GydF4y2Ba，表示在这种情况下GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba −4 V;GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V和GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba −4 V;GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V、好匹配GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 结果与通道宽度2A组如图所示GydF4y2Ba 12GydF4y2Ba和GydF4y2Ba 13GydF4y2Ba,分别。最后，诊断样本的比较(GydF4y2Ba W.GydF4y2Ba 4.GydF4y2Ba 那GydF4y2Ba W.GydF4y2Ba 7.GydF4y2Ba 那GydF4y2Ba W.GydF4y2Ba 10GydF4y2Ba 2b组和来自图的预测数据GydF4y2Ba 10 (b)GydF4y2Ba和GydF4y2Ba 11 (b)GydF4y2Ba如图所示GydF4y2Ba 14GydF4y2Ba〜GydF4y2Ba 15GydF4y2Ba,分别。如图所示，得到了高度一致的结果。GydF4y2Ba

3D类似的GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba (a)测量数据面与(b)预测数据面对比GydF4y2Ba W.GydF4y2Ba 和GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba 2A组样本(如GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

3D类似的GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba (a)测量数据面与(b)预测数据面对比GydF4y2Ba W.GydF4y2Ba 和GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba 2A组样本(如GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 测量结果和预测数据第2A类样本（如GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba −4 V,GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 测量结果和预测数据第2A类样本（如GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 2GydF4y2Ba −4 V,GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 2B组诊断样本的测量结果和预测数据（如GydF4y2Ba W.GydF4y2Ba =GydF4y2Ba 0．7GydF4y2Ba , 1.2, 3 -GydF4y2Ba μGydF4y2Ba米,GydF4y2Ba V.GydF4y2Ba GGydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

相对比GydF4y2Ba 一世GydF4y2Ba D.GydF4y2Ba 2B组诊断样本的测量结果和预测数据（如GydF4y2Ba W.GydF4y2Ba =GydF4y2Ba 0．7GydF4y2Ba , 1.2, 3 -GydF4y2Ba μGydF4y2Ba米,GydF4y2Ba V.GydF4y2Ba D.GydF4y2Ba =GydF4y2Ba -GydF4y2Ba 3.GydF4y2Ba V)。GydF4y2Ba

 4.结论GydF4y2Ba

本文提出了一种基于anfi的器件特性预测的新应用，该预测可以同时处理几何尺寸和偏置电压输入。从以上结果可以看出，诊断性dut的最终预测数据与实测数据具有很好的一致性。因此，ANFIS也可以以一种高效的方式演示亚微米pMOSFET的复杂器件特性。为预测pMOSFET器件在不同几何尺寸下特性行为的复杂关系提供了一种新的方法。该方法很好地表达了pMOSFET器件的特性行为，可方便地用于复杂的亚微米器件。同时，ANFIS系统具有快速学习能力和快速收敛速度，不需要寻找预测系统的过渡函数或状态方程。因此，所有的测量数据都可以作为ANFIS中的训练数据。此外，这种新技术不需要任何假设的参数，因此同样的过程可以很容易地应用于分析或预测超大规模集成电路的其他复杂物理行为。GydF4y2Ba

 利益冲突GydF4y2Ba

作者确认本文的发表不存在利益冲突。GydF4y2Ba

 承认GydF4y2Ba

在这项工作中，作者要感谢台湾国家芯片实施中心，以提供流程信息和制造平台。GydF4y2Ba

 钟GydF4y2Ba 美国s。GydF4y2Ba 林GydF4y2Ba t·s·艾。GydF4y2Ba 程ydF4y2Ba Y.-G。GydF4y2Ba LDD mosfet I-V特性的有效半经验模型GydF4y2Ba IEEE电子器件汇刊GydF4y2Ba 1989GydF4y2Ba 36GydF4y2Ba 9.GydF4y2Ba 1691GydF4y2Ba 1702GydF4y2Ba 10.1109/16.34231GydF4y2Ba 2 - s2.0 - 0024733146GydF4y2Ba 阿訇GydF4y2Ba m·A。GydF4y2Ba 奥斯曼GydF4y2Ba m·A。GydF4y2Ba 奥斯曼GydF4y2Ba 答:一个。GydF4y2Ba 具有改进的BSIM1 Spice模型的深度亚微米器件的MOSFET全球建模GydF4y2Ba 集成电路与系统的计算机辅助设计汇刊GydF4y2Ba 1996GydF4y2Ba 15GydF4y2Ba 4.GydF4y2Ba 446GydF4y2Ba 451GydF4y2Ba 10.1109/43.494709GydF4y2Ba 2 - s2.0 - 0030123219GydF4y2Ba MebrahtuGydF4y2Ba h·T。GydF4y2Ba 高GydF4y2Ba W。GydF4y2Ba 黄铁矿GydF4y2Ba w·E。GydF4y2Ba 赵GydF4y2Ba x L。GydF4y2Ba 托马斯。GydF4y2Ba p . J。GydF4y2Ba 霍恩西GydF4y2Ba r . I。GydF4y2Ba 氟离子辐照CMOS器件的SPICE模型GydF4y2Ba IEEE电子器件汇刊GydF4y2Ba 2007年GydF4y2Ba 54GydF4y2Ba 8.GydF4y2Ba 1963GydF4y2Ba 1971GydF4y2Ba 2 - s2.0 - 34547910244GydF4y2Ba 10.1109 / TED.2007.901240GydF4y2Ba 羌族李GydF4y2Ba Y。GydF4y2Ba 克拉考斯基GydF4y2Ba T。GydF4y2Ba 弗朗西斯GydF4y2Ba P。GydF4y2Ba 史密斯GydF4y2Ba lGydF4y2Ba 使用基于单元的构建块方法的集成功率LDMOS设备的可伸缩的Spice建模GydF4y2Ba 第二十届功率半导体器件与集成电路国际研讨会论文集(ISPSD’08)GydF4y2Ba 2008年5月GydF4y2Ba 美国佛罗里达州奥兰多GydF4y2Ba 88GydF4y2Ba 90GydF4y2Ba 10.1109 / ispsd.2008.4538904GydF4y2Ba YakopcicGydF4y2Ba C。GydF4y2Ba 塔哈GydF4y2Ba t M。GydF4y2Ba SubramanyamGydF4y2Ba G。GydF4y2Ba 皮诺GydF4y2Ba r·E。GydF4y2Ba 广义忆阻器件Spice模型及其在电路设计中的应用GydF4y2Ba 集成电路与系统的计算机辅助设计汇刊GydF4y2Ba 2013GydF4y2Ba 32GydF4y2Ba 8.GydF4y2Ba 1201GydF4y2Ba 1214.GydF4y2Ba 10.1109 / TCAD.2013.2252057GydF4y2Ba 2 - s2.0 - 84880865494GydF4y2Ba RuangphanitGydF4y2Ba 一种。GydF4y2Ba SakunaGydF4y2Ba N。GydF4y2Ba Niemcharoen.GydF4y2Ba B.GydF4y2Ba MuanghluaGydF4y2Ba R。GydF4y2Ba nmosfet的温度和狭窄通道依赖阈值电压模型的实现GydF4y2Ba 第四届信息与通信技术、电子与电气工程国际联合会议论文集GydF4y2Ba 2014GydF4y2Ba 1GydF4y2Ba 4.GydF4y2Ba 张文雄GydF4y2Ba b . J。GydF4y2Ba ScharfetterGydF4y2Ba d . L。GydF4y2Ba KoGydF4y2Ba P.-K。GydF4y2Ba 郑GydF4y2Ba M.-c.GydF4y2Ba BSIM:用于MOS晶体管的Berkeley短通道IGFET模型GydF4y2Ba IEEE固态电路杂志GydF4y2Ba 1987GydF4y2Ba 22GydF4y2Ba 4.GydF4y2Ba 558GydF4y2Ba 566GydF4y2Ba 2-S2.0-0023401686GydF4y2Ba 金GydF4y2Ba T。GydF4y2Ba 富兰克林GydF4y2Ba N。GydF4y2Ba SrinivasanGydF4y2Ba C。GydF4y2Ba 卡拉沃德GydF4y2Ba P。GydF4y2Ba GodaGydF4y2Ba 一种。GydF4y2Ba 对RTS和逆标度行为的极端短通道效应:25 nm NAND闪存的源漏注入效应GydF4y2Ba IEEE电子器件通讯GydF4y2Ba 2011年GydF4y2Ba 32GydF4y2Ba 9.GydF4y2Ba 1185GydF4y2Ba 1187GydF4y2Ba 10.1109 / led.2011.2159573GydF4y2Ba 2-S2.0-80052030737GydF4y2Ba 瓦莱塔GydF4y2Ba 一种。GydF4y2Ba MariucciGydF4y2Ba lGydF4y2Ba 皮科拉GydF4y2Ba 一种。GydF4y2Ba Maiolo.GydF4y2Ba lGydF4y2Ba 署GydF4y2Ba S. D.GydF4y2Ba FortunatoGydF4y2Ba G。GydF4y2Ba 完全自对准栅极扭结效应和短沟道效应的分析重叠轻掺杂漏极多晶硅TFTGydF4y2Ba 显示技术杂志GydF4y2Ba 2013GydF4y2Ba 9.GydF4y2Ba 9.GydF4y2Ba 764GydF4y2Ba 769GydF4y2Ba 10.1109 / JDT.2013.2280973GydF4y2Ba 2 - s2.0 - 84884620927GydF4y2Ba 保险丝GydF4y2Ba G。GydF4y2Ba FukumotoGydF4y2Ba M。GydF4y2Ba 筱原GydF4y2Ba 一种。GydF4y2Ba OdanakaGydF4y2Ba 年代。GydF4y2Ba Sasago.GydF4y2Ba M。GydF4y2Ba OhzoneGydF4y2Ba T。GydF4y2Ba 一种控制窄宽度效应的硼注入侧壁隔离新方法GydF4y2Ba IEEE电子器件汇刊GydF4y2Ba 1987GydF4y2Ba 34GydF4y2Ba 2GydF4y2Ba 356GydF4y2Ba 360GydF4y2Ba 2 - s2.0 - 0023292236GydF4y2Ba 叶GydF4y2Ba K.-L。GydF4y2Ba 郭GydF4y2Ba J.-C。GydF4y2Ba 窄宽度对40 nm以下多指nmosfet和pmosfet高频性能和射频噪声的影响GydF4y2Ba IEEE电子器件汇刊GydF4y2Ba 2013GydF4y2Ba 60GydF4y2Ba 1GydF4y2Ba 109GydF4y2Ba 116GydF4y2Ba 10.1109 / TED.2012.2228196GydF4y2Ba 2 - s2.0 - 84871760126GydF4y2Ba 陆GydF4y2Ba C.-Y.GydF4y2Ba 唱GydF4y2Ba j . M。GydF4y2Ba 亚微米水杨酸盐器件阈值电压的反向短通道效应GydF4y2Ba IEEE电子器件通讯GydF4y2Ba 1989GydF4y2Ba 10GydF4y2Ba 10GydF4y2Ba 446GydF4y2Ba 448GydF4y2Ba 10.1109/55.43095GydF4y2Ba 2 - s2.0 - 0024755327GydF4y2Ba 谢GydF4y2Ba Q。GydF4y2Ba 李GydF4y2Ba C.-J。GydF4y2Ba 徐GydF4y2Ba J。GydF4y2Ba 什么时候GydF4y2Ba C。GydF4y2Ba 唱ydF4y2Ba J.Y.-C.GydF4y2Ba TaurGydF4y2Ba Y。GydF4y2Ba 超薄SOI mosfet中短沟道效应的综合分析GydF4y2Ba IEEE电子器件汇刊GydF4y2Ba 2013GydF4y2Ba 60GydF4y2Ba 6.GydF4y2Ba 1814GydF4y2Ba 1819GydF4y2Ba 10.1109 / ted.2013.2255878GydF4y2Ba 2 - s2.0 - 84878118813GydF4y2Ba 周GydF4y2Ba J。GydF4y2Ba JayapalGydF4y2Ba 年代。GydF4y2Ba StuytGydF4y2Ba J。GydF4y2Ba HuiskenGydF4y2Ba J。GydF4y2Ba 德格拉罗GydF4y2Ba H。GydF4y2Ba 反窄宽度效应对亚阈值器件尺寸的影响GydF4y2Ba 第16届亚洲及南太平洋设计自动化会议论文集GydF4y2Ba 2011年1月GydF4y2Ba 267GydF4y2Ba 272GydF4y2Ba 10.1109 / aspdac.2011.5722196GydF4y2Ba 2 - s2.0 - 79952950058GydF4y2Ba 潘迪特GydF4y2Ba 年代。GydF4y2Ba Sarkar.GydF4y2Ba c K。GydF4y2Ba 模拟栅极边缘和掺杂剂再分布对窄通道浅沟槽隔离mosfet逆窄宽度效应的影响GydF4y2Ba 第24届超大规模集成电路设计国际会议论文集GydF4y2Ba 2011年1月GydF4y2Ba 195GydF4y2Ba 200GydF4y2Ba 周GydF4y2Ba J。GydF4y2Ba 程GydF4y2Ba M。GydF4y2Ba 《福布斯》GydF4y2Ba lGydF4y2Ba 饱和区p- mosfet闪变噪声的SPICE模型GydF4y2Ba 集成电路与系统的计算机辅助设计汇刊GydF4y2Ba 2001年GydF4y2Ba 20.GydF4y2Ba 6.GydF4y2Ba 763GydF4y2Ba 767GydF4y2Ba 10.1109/43.924829GydF4y2Ba 2 - s2.0 - 0035369437GydF4y2Ba 刘GydF4y2Ba W。GydF4y2Ba 附录A：BSIM3方程GydF4y2Ba 用于SPICE模拟的MOSFET模型:包括BSIM3v3和BSIM4GydF4y2Ba 2001年GydF4y2Ba WILEY-IEEE新闻GydF4y2Ba 473GydF4y2Ba 506GydF4y2Ba 辛格ChauhanGydF4y2Ba Y。GydF4y2Ba VenugopalanGydF4y2Ba 年代。GydF4y2Ba PaydavosiGydF4y2Ba N。GydF4y2Ba KushwahaGydF4y2Ba P。GydF4y2Ba JandhyalaGydF4y2Ba 年代。GydF4y2Ba 杜阿特GydF4y2Ba j . P。GydF4y2Ba AgnihotriGydF4y2Ba 年代。GydF4y2Ba 亚达夫GydF4y2Ba C。GydF4y2Ba 阿加瓦尔GydF4y2Ba H。GydF4y2Ba Niknejad.GydF4y2Ba 一种。GydF4y2Ba 胡GydF4y2Ba C . C。GydF4y2Ba 用于SPICE模拟的BSIM紧凑MOSFET模型GydF4y2Ba 第20届综合电路和系统混合设计国际会议的诉讼程序，MIXDES 2013GydF4y2Ba 2013年6月GydF4y2Ba 23GydF4y2Ba 28GydF4y2Ba 2-S2.0-84888875171GydF4y2Ba ShoorehdeliGydF4y2Ba m·A。GydF4y2Ba TeshnehlabGydF4y2Ba M。GydF4y2Ba SedighGydF4y2Ba 答:K。GydF4y2Ba ANFIS结构中的一种新型训练算法GydF4y2Ba 美国控制会议论文集GydF4y2Ba 2006年6月GydF4y2Ba 5059GydF4y2Ba 5064GydF4y2Ba 2 - s2.0 - 34047225473GydF4y2Ba SrinivasanGydF4y2Ba s P。GydF4y2Ba 米利加GydF4y2Ba P。GydF4y2Ba 麻风树供应链产量预测的自适应神经模糊推理系统(ANFIS)建模新方法GydF4y2Ba IEEE第17届工业工程与工程管理国际会议论文集GydF4y2Ba 2010年GydF4y2Ba 厦门,中国GydF4y2Ba 1249.GydF4y2Ba 1253.GydF4y2Ba 10.1109 / ICIEEM.2010.5646400GydF4y2Ba Al-HmouzGydF4y2Ba 一种。GydF4y2Ba 沈GydF4y2Ba J。GydF4y2Ba Al-HmouzGydF4y2Ba R。GydF4y2Ba 严GydF4y2Ba J。GydF4y2Ba 移动学习自适应神经模糊推理系统(ANFIS)的建模与仿真GydF4y2Ba IEEE学习技术汇刊GydF4y2Ba 2012年GydF4y2Ba 5.GydF4y2Ba 3.GydF4y2Ba 226GydF4y2Ba 237GydF4y2Ba 10.1109 / tlt.2011.36GydF4y2Ba 2 - s2.0 - 84866111296GydF4y2Ba JayaGydF4y2Ba a . s . M。GydF4y2Ba 哈GydF4y2Ba 美国z . M。GydF4y2Ba HaronGydF4y2Ba H。GydF4y2Ba 戈GydF4y2Ba R。GydF4y2Ba 勒·穆罕默德GydF4y2Ba m·R。GydF4y2Ba 拉赫曼GydF4y2Ba M. N. A.GydF4y2Ba ANFIS模型预测TiN涂层粗糙度GydF4y2Ba 第五届计算机科学与信息技术国际会议论文集GydF4y2Ba 2013年3月GydF4y2Ba 13GydF4y2Ba 18GydF4y2Ba 10.1109 / csit.2013.6588751GydF4y2Ba 2-S2.0-84884871569GydF4y2Ba 李GydF4y2Ba W。GydF4y2Ba 王GydF4y2Ba P。GydF4y2Ba 李GydF4y2Ba Y。GydF4y2Ba 一种基于ANFIS的自适应彩色噪声消除方法GydF4y2Ba 国际图像分析和信号处理会议的诉讼程序GydF4y2Ba 2009年4月GydF4y2Ba 临海,中国GydF4y2Ba 386GydF4y2Ba 388GydF4y2Ba 10.1109 / iasp.2009.5054625GydF4y2Ba 严GydF4y2Ba n.-n.GydF4y2Ba 傅GydF4y2Ba Z.-C.GydF4y2Ba 周GydF4y2Ba Q。GydF4y2Ba 雷电电流在线监测系统降噪的ANFIS方法GydF4y2Ba 第七届亚太国际闪电会议论文集(APL’11)GydF4y2Ba 2011年11月GydF4y2Ba 618GydF4y2Ba 624GydF4y2Ba 2 - s2.0 - 84856083955GydF4y2Ba 10.1109 / apl.2011.6110201GydF4y2Ba ShariqueGydF4y2Ba M。GydF4y2Ba 阿里GydF4y2Ba m·A。GydF4y2Ba 基于ANFIS的灰度图像两步脉冲噪声抑制GydF4y2Ba 多媒体、信号处理和通信技术国际会议论文集GydF4y2Ba 2013GydF4y2Ba 80GydF4y2Ba 83GydF4y2Ba AnissaGydF4y2Ba 年代。GydF4y2Ba HasseneGydF4y2Ba 年代。GydF4y2Ba EzzedineGydF4y2Ba B . B。GydF4y2Ba 基于ANFIS的自适应中值滤波抑制脉冲噪声GydF4y2Ba IEEE第23届工业电子学国际研讨会论文集GydF4y2Ba 2014年6月GydF4y2Ba 土耳其伊斯坦布尔GydF4y2Ba 950.GydF4y2Ba 953.GydF4y2Ba 10.1109 / isie.2014.6864740GydF4y2Ba RojathaiGydF4y2Ba 年代。GydF4y2Ba VenkatesuluGydF4y2Ba M。GydF4y2Ba 基于ANFIS的PAC特征抗噪声的泰米尔语识别系统GydF4y2Ba 第13届IEEE / ACIS计算机和信息科学国际会议的诉讼程序GydF4y2Ba 2014年6月GydF4y2Ba 太原,中国GydF4y2Ba 435GydF4y2Ba 440GydF4y2Ba 10.1109 / icis.2014.6912173GydF4y2Ba