메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
하종현 (경상국립대학교) 이경엽 (경상국립대학교) 서민기 (경상국립대학교) 방민지 (경상국립대학교) 김태형 (경상국립대학교) 김정식 (경상국립대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제59권 제12호(통권 제541호)
발행연도
2022.12
수록면
29 - 37 (9page)
DOI
10.5573/ieie.2022.59.12.29

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
FinFET(Fin Field Effect Transistor) 이후 차세대 logic 반도체 GAAFET (Gate All Around Field Effect Transistor)인 NWFET (Nanowire FET) 그리고 NSFET (Nanosheet FET)이 주목받고 있다. 우수한 성능을 지닌 GAAFET은 이전 logic 반도체들보다 매우 높은 수준의 공정 난이도를 지닌다. 공정 난이도가 높아질수록 개발단계에서 더 많은 공정 시간 및 금액이 발생한다. 이러한 높은 비용이 투입되는 반도체 개발에 머신러닝을 도입하면 더 적은 비용 및 시간으로 공정을 진행할 수 있다. 본 논문에서는 Synopsys 사 TCAD (Technology Computed-Aided Design) Sentaurus tool과 QTX tool을 활용하여 추출한 NWFET dataset을 DNN (Deep Neural Network) 통해 반도체 소자의 parameter 변화에 따른 전기적 특성 변동에 대해 forward prediction 및 reverse prediction 사용하여 예측 및 분석하였다. Forward prediction에서는 낮은 MSE (Mean Square Error) loss 로 예측을 잘 하였지만, reverse prediction 내 D (원의 직경), W<SUB>top</SUB> (사다리꼴 윗변), Shape (Nanowire 모양), Scattering 예측과 달리 cDir (채널 격자 방향) 및 nSubbands (subband의 개수) 예측에서 cDir 및 nSubbands 변화에 따른 전기적 특성 변동 비율이 낮아 분포가 고르게 나타나지 않아 낮은 예측률을 보였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 시뮬레이션 결과 분석
Ⅳ. 결론
REFERENCES

참고문헌 (23)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0