面向静电放电器件的新型神经网络建模方法论与性能优化

《Chinese Journal of Electronics》：Novel Neural Network-Based Modeling Methodology and Performance Optimization for ESD Device

　　摘要：静电放电（ESD）是先进集成电路制造过程中一个重要的可靠性问题。然而，由于缺乏标准化的模型以及支持全面ESD器件仿真的计算机辅助设计工具，片上ESD保护器件的设计和精确仿真仍然是具有挑战性的。在本文中，我们提出了一种利用机器学习中的神经网络模型来建模ESD保护器件的电压-时间（VT）、电流-时间（IT）以及准静态电流-电压（IV）曲线的方法。为了演示该方法并进行实验验证，我们在0.18 μm互补金属氧化物半导体（CMOS）工艺和双极型-CMOS-DMOS工艺上制造了电阻-电容耦合低触发电压可控硅整流器（SCR）以及ESD N阱二极管。我们通过100 ns传输线脉冲测试获得的VT和IT曲线进行了拟合和预测，并根据这些瞬态响应的仿真结果计算出最终的准静态IV曲线。实验结果表明，仿真数据与测量数据的决定系数（R2）大于0.99。此外，所提出的建模方法适用于ESD保护器件的两大类（闩锁型和非闩锁型），为预测ESD保护设计的性能提供了一种通用的技术方案。I. 引言静电放电（ESD）是集成电路（IC）制造过程中一个众所周知的可靠性问题[1]、[2]。为了提高IC的可靠性和稳定性，需要在电源端和信号端引入片上ESD保护器件[3]。这些保护器件在发生ESD事件时将ESD电流引离受保护组件，同时确保IC的正常运行。ESD保护电路仿真在优化和验证芯片级ESD保护设计中发挥着至关重要的作用。在IC设计过程中，一直需要一套全面的ESD保护器件模型，使设计工程师能够在电路级仿真中预测和优化ESD性能。这有助于降低芯片开发的成本并提高芯片成功投产的可能性。目前，诸如栅极接地N沟道金属氧化物半导体场效应晶体管（NMOSFET）和可控硅整流器（SCR）等器件被广泛用作ESD保护解决方案[4]–[6]。特别是SCR，因其强大的单位面积电流释放能力而受到青睐。然而，这些ESD保护器件表现出复杂的闩锁电流-电压（IV）行为。由于缺乏适用于全面ESD器件仿真的标准化模型和计算机辅助设计（CAD）工具，在芯片级别设计ESD保护电路仍然是一个重大挑战[7]、[8]。因此，ESD器件级模型的开发已成为ESD设计中最重要的任务之一[9]。