基于深度神经网络与TCAD模拟的22 nm FDSOI MOSFET总电离剂量辐照效应可靠性研究

《Micromachines》：Deep Neural Network-Driven Reliability Assessment Methodology for Total Ionizing Dose Effects in FDSOI MOSFETs

　　

摘要

本文通过结合技术计算机辅助设计（TCAD）模拟和实际总电离剂量（TID）辐照实验，研究了TID对22 nm全耗尽体绝缘（FDSOI）MOSFET器件的影响，建立了辐射引起的退化特征的综合数据集。本研究以模拟辐射数据和实验辐射数据作为训练基础，开发并优化了一种深度神经网络（DNN），使其能够在各种辐射条件下高效、准确地进行TID效应的可靠性分析，并在不同TID范围内预测器件性能退化方面展现了有效性。该方法将物理模拟与深度学习相结合：TCAD模拟和辐照实验捕捉辐射环境下器件的基本物理特性，而DNN则实现了对器件性能的快速预测。所得框架相较于传统模拟方法，在显著提高预测精度的同时大幅降低了计算成本，为评估复杂辐射环境中电子器件的可靠性提供了一种强有力的解决方案。