概要：新しい半導体デバイスモデリング手法：デバイス物理学から機械学習エンジンまで

科学分野:

• 半導体デバイス物理学とモデリング
• 工学における機械学習の応用
• 材料科学とナノテクノロジー

背景:

• 半導体産業の進歩は、新しい材料とデバイス構造を導入し、回路レベルの特性評価に複雑な物理学の課題をもたらします。
• 高度なデバイスの正確なモデリングは、物理学主導のTCADからSPICEへのフローおよび設計技術共同最適化（DTCO）に不可欠です。
• 超スケールデバイスの量子効果は経験的パラメータを必要とし、モデルを製造プロセスから切り離します。

研究 の 目的:

• 新しいデバイスモデリング手法の包括的な概要を提供します。
• 機械学習支援コンパクトモデリング（MLCM）における現在の研究を分析および構造化します。
• MLCMが従来のコンパクトモデリングの限界をどのように克服できるかを実証します。

主な方法:

• 従来の「ホワイトボックス」モデリングアプローチと新しい「ブラックボックス」モデリングアプローチのレビューと合成。
• ニューラルネットワークを使用した機械学習支援コンパクトモデリング（MLCM）に焦点を当てます。
• 正確な入出力マッピングのために、実験データおよびシミュレーションデータを使用してMLCMをトレーニングします。

主要な成果:

• MLCMは、複雑な物理学と数学のための汎用モデリングアプローチを提供します。
• データでトレーニングされたニューラルネットワークは、デバイス特性の正確な閉形式マッピングを生成します。
• MLCMは、デバイス物理学と製造プロセスの間のギャップを効果的に橋渡しします。

結論:

• MLCMは従来のコンパクトモデリングの限界を克服し、強力な代替手段を提供します。
• MLCMは、効果的な設計技術共同最適化（DTCO）に大きく貢献します。
• このアプローチは、将来の半導体技術を進歩させるために不可欠です。