Previsão das Curvas de Corrente-Tensão e Capacitância-Tensão de FinFET Usando Aprendizado de Máquina com Autoencoder

Nesta carta, demonstramos a possibilidade de prever curvas completas de corrente-tensão (IV) e capacitância-tensão (CV) de transistores usando máquinas treinadas com dados gerados por Tecnologia de Projeto Auxiliado por Computador (TCAD). Previsões 3D de IDVG e CGVG de FinFET são usadas como exemplos. A máquina é construída através de aprendizado manifold usando Autoencoder (AE) para extrair as variáveis latentes, que são então correlacionadas a parâmetros físicos por meio de regressão polinomial de 3ª ordem. Nenhuma especialização em física de dispositivos é necessária no processo de aprendizado de máquina, uma vez que não há necessidade de extrair métricas de dispositivos como transcondutância (gm) ou Redução de Barreira Induzida por Dreno (DIBL) dos dados de treinamento do TCAD. Mostramos que a máquina pode prever não apenas as curvas completas IV/CV, mas também gm (quantidade da 1ª derivada) e DIBL (extraído de duas máquinas treinadas com dados diferentes). Bons resultados podem ser obtidos mesmo com <; 50 dados de treinamento. Nosso trabalho mostra que o aprendizado manifold é possível em IV e CV de dispositivos para capturar a física complexa e, portanto, espera-se que seja possível prever o IV/CV de novos dispositivos usando dados experimentais limitados antes que a física subjacente seja bem compreendida.