Методы численного моделирования МДП-структур

Министерство общего и профессионального

Образования Российской Федерации

Воронежский государственный университет
Физический факультет

  • Кафедра физики

  • полупроводников и

  • микроэлектроники

Курсовая работа

Методы численного проектирования МДП приборов

  • Руководитель

  • к.т.н Головин С.В.______

  • Исполнитель

  • студент 3 курса д/о

  • Савченко А.А. _________

Воронеж, 1999

Реферат

страниц 23,рисунков 4

В данной работе представлен обзор литературы по теме “ Методы численного проектирования МДП приборов”.Обзор содержит обобщающее введение в проблему получения математических моделей МДП-структур,методы и алгоритмы решения задачи численного моделирования.

Содержание

I.Введение……………………………………………………………………3

II.Математическая модель…………………………………………….…….4

    1. Основные уравнения……………………………………………….4

    2. Модели подвижности и рекомбинации.Краевые и начальные

условия………………………………………………………………7

III.Численное решение основной системы уравнений …………………...8

3.1 Алгебраизация ФСУ………………………………………………..9

3.1.1 Дискретизация уравнения Пуассона…………………………..11

3.1.2 Дискретизация уравнения непрерывности……………………13

3.2 Решение нелинейной алгебраической задачи……………………13

  1. 3.2.1 Метод установления……………..……………………………13

3.2.2 Другой вариант метода установления…..……………………14

3.2.3 Методы линеаризации для решения нелинейной системы…15

        1. Итерационные методы решения линеаризированных

уравнений…………………………………………………...17

IV.Заключение………………………………………………………………...22

Литература…………………………………………………………………….23

I.Введение.

С середины 60-х гг. начало складываться новое направление в моделировании п/п приборов, предполагающее замену реального объекта его математической моделью, которая впоследствии решается на ЭВМ методами вычислительной математики. Моделью фрагмента твёрдотельной микроэлектронной структуры является система уравнений физики полупроводников, описывающая процессы переноса носителей заряда и распространения потенциала электрического поля в приборе. Такой подход позволяет учесть и исследовать различные нелинейные физические эффекты (Эрли, Кирка и др.) и их влияние на внешние электрические характеристики приборов.

Развитие вычислительной техники и появление эффективных численных методов решения уравнений математической физики сделали возможным появление двух и трёхмерных моделей. Необходимость таких моделей обусловлена рядом причин .

1.При анализе приборов с микронными размерами рабочих областей необходим многомерный подход.

2.Во многих современных приборах движение носителей тока имеет двумерный характер.

3.Многомерный анализ позволяет часто в традиционных приборах увидеть новые эффекты.

4.Невозможность внесения исправлений в готовый прибор и неоправданные затраты на совершенствование п/п приборов с помощью многочисленных тестовых итераций делают эффективной и экономически оправданной методологию численного моделирования.

Таким образом, располагая пакетом программ, реализующими численные модели, можно проектировать приборы непосредственно на ЭВМ, значительно сокращая количество длительных и дорогостоящих экспериментов.

В данной работе описываются двумерные численные модели, основанные на решении уравнений переноса носителей с помощью аппарата конечных разностей.

II.Математическая модель.

1.1.Основные уравнения .

Моделируемая МДП-структура, заполняющая некоторый объём, рассматривается как обьеденение областей, каждая из которых соответствует определённому материалу (рис.1) .Математические модели состояния металлических контактов считаются известными. Следовательно, моделированию подлежат тоько области полупроводника и диэлектрика.

Можно записать систему уравнений с достаточной точностью описывающую процессы, происходящие в полупроводнике [1].

Потенциал электрического поля описывается уравнением Пуассона:

= -q(p-n+Nd-Na)/>0 >,> >(1.1)

У

>>>n>

>>>t>

равнение непрерывности для носителей заряда:

> > divJ>n>-qR>n>-q =0 , (1.2)

>>>p>

>>>t>

> >

divJ>p>+qR>p>+q =0 , (1.3)

J>n>=qD>n>n-nV>n>  , (1.4)

J>p>= pV>p> –qD>p>p , (1.5)

Где n и p -концентрации электронов и дырок; - электрический потенциал; D>n >и D>p>–коэффициенты диффузии для электронов и дырок; V>n>> >и> >V>p>> >–скорости дрейфа электронов и дырок;> >J>n> и > >J>p> плотности потоков электронов и дырок; R- превышение скорости рекомбинации над скоростью генерации , Na и Nd -концентрации донорной и акцепторной примеси; q -заряд электрона;>0>-диэлектрическая проницаемость.

Исток Затвор Сток


L>y>

>y>


n+ n+

p

A

B


L>x>> >x

Подложка

Рис.1.Схематическое изображение МДП-структуры.

Необходимо отметить, что эффекты сильного легирования не оказывают существенного влияния на процессы в МДП-структурах [1], поэтому в уравнениях (1.4) –(1.5) они не учтены.

Уравнение Пуассона описывает области полупроводника и диэлектрика.Уравнения непрерывности действительны только для полупроводникового материала. На границе раздела диэлекрик-полупроводник ( на линии AB рис.1) выполняются условия [2]:

>п>>п>>>>д>>д>>>

гдееденичный вектор, ортогональный границе раздела,поверхностная плотность заряда ,которая считается известной (часто полагают  =0).

Для упрощения вида уравнений пользуются нормировкой всех величин входящих в систему, для этого все величины домножаются на соответствующий коэффициент. Масштабные коэффициенты приведены в литературе[2][3].

Уравнения (1.1)-(1.5) можно записать в интегральной форме:


S

(J>n>·)dS= R>0>dV, (1.51)

V

S

V

(J>p>·dS= R>0>dV , (1.52)

S

V


(·dS= (n-p-N-N>>)dV, (1.53)

N=Nd-Na,

N>>=/h,

N>>”концентрация” поверхностного заряда,приведённая к обьёму ячейки V>i >

( h-сторона ячейки,перпендикулярная к границе раздела).

Система (1.51)-(1.53) содержит три интегральных тождества каждое из которых соответствует уравнению Пуассон, либо уравнению непрерывности.

Причём теперь уравнение Пуассона описывает как точки принадлежащие диэлектрической и полупроводниковой средам, так и точки, лежащие на границе раздела этих сред.

1.2. Модели подвижности и рекомбинации. Краевые и начальные условия.

Для полной постановки задачи помимо основных уравнений (1.1)-(1.5)

(

-1/2

(1.51)-(1.53)) необходимо задать модели подвижностей >n >и> >>p>, скорости рекомбинации R(p,n), а так же сформулировать краевые и начальные условия. В настоящее время применяются различные эмпирические формулы для >n >и >p>.> >Наиболее широко применяется модель Ямагучи [1][2], согласно которой >n >и >p> определяются по формулам:

>n>= 65+1265 ( 1+ ( Nt /8.5 1016)0.72)-1 1+|E/8000| 2 , (1.60)

-1


>p>= 47.7+ 447(1+( Nt / 6.3 1016)0.76)-1  1+|E/1.95 10 4| , (1.61)

где Nt=Na+Nd,

Скорость рекомбинации обычно задают, учитывая рекомбинацию Оже и Шокли-Рида-Холла, а так же ударную ионизацию:

R>0>=R>шрх>+R>Oже>-G>уд >, (1.70)

np>­>­-n>i>­2

>p0>(n+n>1>)+>n0>(p+p>1>)

> >R >шрх>= , (1.71)

R>оже>=(C>n>n+C>p>p)(np-n>ie>2), (1.74)

G>уд>=>n>nV>n>+>p>pV>p>, (1.73)

n>i>=n>ie>exp[(E>t>-E>i>)/kT], (1.74)

n>ie>=exp[q>G> /2kT]; (1.75)

n>ie>-эффективная собственная концентрация носителей заряда .

E>t> –энергетический уровень центров рекомбинации,

>G>-экспериментально определяемый параметр,

>n>,>p>-коэффициенты ионизации для электронов и дырок,

В точках поверхности раздела полупроводник-металл концентрации носителей определяются профилем легирования :

n>0>=N/2+ (N/2)2 +n>ie>2 , (1.80)

p>0>=-N/2+ (N/2)2 +n>ie>2 , (1.81)

Значение электрического потенциала зависит ещё и от прикладываемого к контакту напряжения:

=U+ln(n>0>/n>ie>) или U+ln(p>0>/p>ie>) , (1.90)

Для отражения границ задаются условия:

(-=0,(J>n>)=0,(J>p>)=0 , (1.91)

Таким образом, математической моделью фрагмента МДП-структуры является система дифференциальных уравнений в частных производныx, дополненная соответствующими граничными условиями. Такая система называется основной или фундаментальной (ФСУ).

III.Численное решение основной системы уравнений.

Всё многообразие численных моделей можно разделить на два больших класса.Модели, относящиеся к первому, основаны на решении уравнений переноса носителей численным методом, а именно, с помощью аппарата конечных разностей. Модели второго класса основаны на представлении активного прибора в виде совокупности большого числа сосредоточенных элементов или отдельных секций, отражающих многомерный характер структуры прибора.

В данной работе рассматриваются модели МДП-структур, относящиеся по введённой классификации к первому классу. В этом методе производные

неизвестных функций, входящие в исходные дифференциальные уравнения и краевые условия, заменяются конечно-разностными отношениями (построение разностной схемы), в результате чего получается система алгебраических уравнений, которая затем решается прямыми или итерационными методами.

3.1. Алгебраизация ФСУ,

На первом этапе решения системы дифференциальных уравнений необходимо осуществить алгебраизацию задачи путём аппроксимации на сетке множества точек, которыми моделируется область изменения неизвестных.

Каждое из трёх основных уравнений математической модели в интегральной форме выражает закон, который выполняется как в элементарной ячейке, так и во всей области определения,что является следствием фундаментальных физических свойств непрерывности электрического смещения и тока.конечно-разностная схема предполагает сохранение этих свойств и для алгебраических уравнений.

Рассмотрим некоторые вопросы касающиеся построения сеток дискретизации[2]. Соображения удобства реализации алгоритма решения основной системы на ЭВМ, а так же требование его экономичности обуславливают применение регулярных сеток, расположение узлов в которых подчиняется определённым закономерностям. В практике численного моделирования микроэлектронных структур примеяются как непрерывные прямоугольные (неравномерные), так и треугольные сетки (рис.2.). Треугольная сетка позволяет с меньшим количеством дополнительных узлов сгущать сетку в областях локальных неоднородностей (рис.2.б).

При автоматическом построении сетки нужно знать где необходимо сгущение узлов и как интерполировать различные величины для вновь введённых точек сетки. Пространственная сетка должна быть такой, чтобы ошибка дискретизации была распределена по ней равномерно, т.е чтобы частные производные по пространству аппроксимировались с заданной точностью. Метод конечных разностей наиболее удобно реализуется на непрерывных

а)

б)

Рис.2.Виды сеток и

их локальные уточнения.

прямоугольных сетках.Он является точным, если значения величин в каждой точке сетки могут быть описаны полиномом второго порядка.

3.1.1 Дискретизация уравнения Пуассона

В настоящее время для конструирования разностных схем, аппроксимирующих исходные дифференциальные уравнения, применяют различные методы. Например, с помощью интегро-интерполяционного метода, предложенного А.Н.Тихоновым и А.А.Самарским естественным образом можно получить следующую схему [1].

В области V={(x,y),0<x<L>x>,0<y<L>y>} (рис.1.) вводится неравномерная сетка

x>0>=x>i>+h>i+1>, y>j+1>=y>j>+r>j+1>

h>i>,r>j>-шаги сетки.

Проинтегрировав уравнение Пуассона [2], представленного в интегральной форме (1.53), по области V>ij>={(x,y),x>i-1/2><=x<=x>i+1> , y>j-1/2 ><=y<=y>j+1/2>} (рис.3.)

получим разностный аналог уравнения Пуассона в точках, принадлежащих полупроводниковой среде,в виде :

>k>->k+1 >>k>->k-1>

h>i> h>i-1>

>k>->k+m >>k>->k-m>

h>j> h>j-1>


r>j>* +h>i>* =>k>h>i>*r>j>* (3.11)

Здесь приняты обозначения :

>k>=p>k>-n>k>+N>k>, r>j>*=(r>j-1>+r>j>)/2, h>i>*=(h>i-1>+h>i>),

В узлах сетки,лежащих в диэлектрике, разностный аналог полевого уравнения совподает с (3.11) если положить >k>=0.

Если поделить обе части уравнения на -h>i>*r>j>* то можно переписать левую часть уравнения при помощи разностного оператора hr> >[1], тогда разностный аналог уравнение Пуассона примет вид :

x

y

k-1

i-1

j+1

j-1

j

1/2r>j>

1/2r>j-1>


h> i-1>


1/2h>i-1>

E>i-1/2,j>


k-m

k+m

i


1/2h>i>

E>i,j+1/2>

E>i,j-1/2>


h> i>


k+1

i+1

E>i+1/2,j>


r>j-1>

r>j>


Рис.3. Ячейка алгебраизации уравнения Пуассона.

x

y

k-1

i-1

j+1

j-1

1/2r>j>

1/2r>j-1>


j


h> i-1>


1/2h>i-1>

J>i-1/2,j>


k-m

k+m

i


1/2h>i>

J>i,j+1/2>

J>i,j-1/2>


h> i>


k+1

i+1

J>i+1/2,j>


r>j-1>

r>j>


Рис.4. Ячейка алгебраизации уравнения непрерывности.

(hr>k>=->k> (*)

Схемы такого типа выражают на сетке законы сохранения и называются консервативно разностными схемами.

3.1.2.Дискретизация уравнения непрерывности.

Аппроксимируя интегральную форму электронного уравнения непрерывности (1.51) на элементарной ячейке V>i>> >(рис.4.), отвечающей лежащему в полупроводниковой среде k-му узлу сетки пространственной дискретизации

п

[>nk>+>n(k+1)>][n>iek>/n>ie(k+1)>]1/2(>k+1>->k>)

2h>i>[exp(>k+1>->k>)-1]

олучим:



(J>n>)>i+1/2,j>=

n>ie(k+1)>

n>iek>

[n>k+1>- exp(>k+1>->k>)n>k>]; (3.12)

анологичные выражения получаются для других плотностей тока [2].

После введения разностных операторов >n>,>p >[1] разностная схема для уравнения непрерывности запишется в виде:

(**)

(>n>n)>k>=R(p>k>,n>k>),

(>p>n)>k>=R(p>k>,n>k>),

3.2.Решение нелинейной алгебраической задачи.

3.2.1Метод установления. После построения разностной схемы получаем систему нелинейных уравнений большой размерности и возникает проблема разработки эффективных методов для её решения. Одним из широко применяемых методов решения систем разностных уравнений, возникающих при дискретизации стационарных нелинейных задач для уравнений в частных производных, является метод установления [4]. Суть его заключается в следующем: задаются некоторые начальные условия, а затем решается нестационарная задача, решение которой при tстремится к решению исходной стационарной задачи. Поскольку при решении стационарных задач интерес представляет лишь предельное при tрешение нестационарной задачи, то величина шага по времени выбирается только из соображений устойчивости и наибольшей скорости сходимости алгоритма, т.е. величина шага по времени является итерационным параметром, регулирующим сходимость метода. Рассмотрим метод следущий для решения нелинейной системы разностных уравнений (*)-(**) [1]:

n>k>l+1-n>k>l

(hrl+1>k>=p>k>l+n>k>l-N>k >(3.21)

((>n>lnl+1)>k>=R(p>k>l,n>k>l) + , (3.22)

n>k>l+1-n>k>l

((>p>lpl+1)>k>=R(p>k>l,n>k>l) + , (3.23)

где l=0,1,2… -номер итерации, итерационный параметр;

n0,p0-заданные начальные приближения. Таким образом алгоритм следующий:

1.Считаем правую часть известной с предыдущей итерации и решаем систему линейных уравнений (3.21) с соответствующими краевыми условиями.в результате определяем l+1 .

2.Считаем l+1 и R(pl,nl) известными и решаем систему линейных уравнений (3.22) и (3.23) .В результате определяем nl+1,pl+1.

3.Полагаем l=l+1 и переходим к пункту 1.

Итерации заканчиваются, если изменения ,n и p на двух последовательных итерациях достаточно малы.

Этот метод может быть эффективно использован лишь для приборов с (Nd+Na)<=1017см-3

3.2.2 Другой вариант метода установления .

Отличие от предыдущего метода состоит в том , что в правую часть уравнения Пуассона введена разностная производная потенциала по времени.

>k>l+1->k>l

(hrl+1>k>=p>k>l+n>k>l-N>k >+> >(3.24)

Скорость сходимости этого метода выше чем, метода (3.21)-(3.23), однако этот метод также неэффективен для структур с (Nd+Na) см-3.

3.2.3.Методы линеаризации для решения нелинейной системы разностных уравнений .

Рассмотрим другую группу методов решения нелинейной системы разностных уравнений (*)-(**). Эти методы значительно более эффективны, чем методы установления, и широко применяются в практике расчётов полупроводниковых приборов.

Общая идея, положенная в основу данных методов, заключается в той или иной линеаризации исходной системы уравнений .Впервые метод такого типа был предложен Гуммелем.

Рассматривая задачу (*)-(**), предположим, что нам известно l-е приближение к решению системы: l, nl, pl.Проведя ряд преобразований [1] получим :

(hrl+1)>k>=n>k>l-p>k>l-Nd>k>+Na>k>+(n>k>l+p>k>l)(>k>l+1->k>l) (3.25)

(>n>lnl+1)>k>-p>k>lr(p>k>l,n>k>l)n>k>l+1=-(n>ie>2)>k>r(p>k>l,n>k>l) (3.26)

(>p>lpl+1)>k>-n>k>lr(p>k>l,n>k>l)p>k>l+1=-(n>ie>2)>k>r(p>k>l,n>k>l) (3.27)

1

>n>(p+n>ie>)+>p>(n+n>ie>)


где r(p,n)= +C>n>n+C>p>p.

Методы решения каждой из линейных систем уравнений, т.е. для определения lnl+1,pl+1> , >будут рассмотрены позже.

Можно привести пример ещё двух подобных методов , отличающихся от предыдущего видом лианеаризованного разностного аналога уравнения Пуассона :

(hrl+1)>k>=n>k>l-p>k>l-Nd>k>+Na>k>+(n>k>l+p>k>l)(>k>l+1->k>l)/>k> (3.28)

(hrl+1)>k>=n>k>l-p>k>l-Nd>k>+Na>k>+(n>k>l/>k>l+p>k>l/>k>l)(>k>l+1->k>l) (3.29)

где >k>l=(>k>l->k>l-1)/ln(n>k>l/n>k>l-1); >k>l=(>k>l->k>l-1)/ln(p>k>l/p>k>l-1);

Итерационный процесс (3.29),(3.26),(3.27) будем называть методом 1, итерационный процесс (3.25),(3.26),(3.27)-методом 2, итерационный процесс

(3.28),(3.26),(3.27)-методом 3. Метод 3 во многих случаях более эффективен, чем 1 и 2, и обладает более высокой скоростью сходимости. Другой подход к решению системы нелинейных разностных уравнений (*)(**), также основанный на линеаризации, связан с методом Ньютона .Запишем (*)(**) в виде

(hr)>k>-n>k>+p>k>=-Nd>k>+Na>k>

F>k>(>k>>>>k>,>k>>>>k-m>,>k+m>,n>k>>> n>k+m>, p>k>>>p>k>,p>k>>>p>k-m>,p>k+m>)=0,

(3.30)

G>k>(>k>>>>k>,>k>>>>k-m>,>k+m>,n>k>>> n>k+m>, p>k>>>p>k>,p>k>>>p>k-m>,p>k+m>)=0,

(3.31)

Линеаризуя (3.30) и (3.31) в окрестности известного l-го приближения, получаем, что, для определения l+1 приближения неоходимо решить систему линейных уравнений

(hrl+1)>k>-n>k>l+1+p>k>l+1=-Nd>k>+Na>k>

F>k>l

>h>

F>k>l

n>h>

F>k>l

p>h>

>h=k-1,k,k+1>[ >h>ln>h>l+1+ p>h>l+1]+

F>k>l

>h>

F>k>l

n>h >

F>k>l

p>h>


+>h=k-m,k+m >[ >h>l+1+ n>h>l+1 + p>h>l+1]=-F>k>l+

F>k>l

>h>

F>k>l

n>h >

F>k>l

p>h>


+>h=k-1,k,k+1>[ >h>ln>h>l + p>h>l]+

F>k>l

>h>

F>k>l

n>h >

F>k>l

p>h>

+>h=k-m,k+m >[ >h>l + n>h>l + p>h>l] (3.32)

G>k>l

>h>

G>k>l

n>h >

G>k>l

p>h>


>h=k-1,k,k+1>[ >h>ln>h>l+1+ p>h>l+1]+

G>k>l

>h>

G>k>l

n>h >

G>k>l

p>h>


+>h=k-m,k+m >[ >h>l+1+ n>h>l+1 + p>h>l+1]=-G>k>l+

G>k>l

>h>

G>k>l

n>h >

G>k>l

p>h>

+>h=k-1,k,k+1>[ >h>ln>h>l + p>h>l]+

G>k>l

>h>

G>k>l

n>h >

G>k>l

p>h>

+>h=k-m,k+m >[ >h>l + n>h>l + p>h>l]

с соответствующими краевыми условиями.Таким образом , на каждом шаге метода Ньютона необходимо решить линеаризованную систему линейных уравнений (3.32) .После того,как эта система решена ,пологаем l=l+1 и переходим к определению следующего приближения .Достоинством данного алгоритма является высокая (квадратичная ) скорость сходимость .Следует отметить ,что реализация метода Ньютона требует значительно больших затрат оперативной памяти по сравнению с методами 1-3.

3.2.3.1 Итерационные методы решения линеаризованных уравнений

На каждом шаге итерационного процесса в методах линеаризации 1-3 необходимо решить три системы эллиптических разностных уравнений большой размерности. Прямые методы их решения громоздки и требуют больших вычислительных затрат. Поэтому, как правило, используют итерационные методы. Методам решения эллиптических разностных уравнений посвящена обширная литература [4][5]. Рассмотрим наиболее широко применяющиеся методы решения этих уравнений.

Матрицы систем разностных уравнений (3.25), (3.28) и (3.29) (линеаризованное уравнение Пуассона) имеют сильное диаганальное преобладание, и их числа обусловленности (отношение максимального собственного значения матрицы к минимальному) невелики.

Поскольку числа обусловленности невелики, то нахождение решения указанных систем разностных уравнений не вызывает затруднений.Обычно используется метод поточечной верхней релаксации.

Определение решений разностных аналогов уравнений неразрывности для электронов и дырок является значительно более трудной задачей. Коэффициенты этих уравнений зависят от потенциала электрического поля ,который сильно меняется по структуре прибора. Данное обстоятельство приводит к плохой обусловленности (большим числам обусловленности) разностных уравнений. В связи с этим использование методов простой итерации и Зейделя [4][5], скорость сходимости которых обратно пропорциональна числу обусловленности, для решения разностных аналогов уравнений неразрывности требует очень больших вычислительных затрат.

Значительно более высокую скорость сходимости имеют метод верхней релаксации [3], метод переменных направлений и итерационный метод Чебышева [4]. Однако эффективность этих методов в случае плохо обусловленных систем разностных уравнений существенно зависит от выбора специальных итерационных параметров. Оптимальные значения указанных параметров определяются по некоторой априорной информации об исходной матрице разностных уравнений (обычно требуются довольно точные оценки максимального и минимального собственных значений матрицы). Коэффициенты уравнений неразрывности, а значит, и собственные значения матрицы сильно меняются в ходе внешнего итереционного процесса и особенно значительно при изменении краевых условий (приложенных напряжений ). Поэтому вычисление оптимальных значений итерационных параметров длч вышеназванных методов является очень сложной задачей и они редко применяются для решения уравнений неразрывности.

В настоящее время обычно используются различные варианты метода неполной факторизации Н.И.Булеева, релаксационный метод Р.П.Федоренко [6] и метод неполного разложения Холецкого с сопряжёнными градиентами.

Метод неполной факторизации Н.И.Булеева (МНФБ), как показывают численные эксперименты, имеет достаточно высокую скорость сходимости в случае сильно меняющихся коэффициентов разностных уравнений. Точной теории выбора итерационного параметра в этом методе нет. Параметр выбирается на основе численных экспериментов, что является недостатком метода. Следует отметить, что неудачный выбор параметра (слишком большое значение) может првести к расходимости итерационного процесса.

Метод неполного разложения Холецкого с сопряжёнными градиентами (ICCG) [5] разработан для систем уравнений с симметричной положительно определённой матрицей.Данный метод вариационного типа не требует задания априорной информации для определения итерационных параметров ,что является большим достинством метода.

Релаксационный метод Р.П.Федоренко (РМФ) обладает высокой скоростью сходимости ,не зависящей от числа узлов сетки,и не требует задания специальных итерационных параметров.Высокая эффективность этого метода связана с использованием вспомогательных сеток ,содержащих значительно меньшее количество узлов ,чем исходная сетка.Выбор вспомогательных сеток осуществляется на основе качественной информации о характере решения.Автоматизировать ироцедуру построения вспомогательных сеток весьма сложно ,что создаёт определённые трудности при использовании этого метода для расчёта сложных структур.

Приведём расчётные алгоритмы РМФ .

Рассмотрим систему разностных эллиптических уравнений

(Au)>k>=-a>k>u>k-1>-b>k>u>k+1>-c>k>u>k-m>d-d>k>u>k+m>+q>k>u>k>=f>k>

РМФ основан на использовании нескольких вспомогательных сеток (в современной практике одной или двух ), содержащих значительно меньшее число узлов, чем исходная основная сетка, для ускорения сходимости. Вначале на основной сетке делается s строчных зейделевских итераций (этот алгоритм будет описан ниже) и в узлах первой

вспомагательной сетки вычисляется невязка :

r>k>1=(Aus)>k>-f>k >.

затем на первой вспомогательной сетке рассматривается система уравнений

(A>1>>k>=r>k >(3.33)

с однородными граничными условиями.A>1>-разностный оператор, аппроксимирующий исходный дифференциальный оператор на первой вспомагательной сетке. Для (3.33) начиная с =0 делается s1> >строчных зейделевских итераций и в узлах второй вспомогательной сетки вычисляется невязка:

r>k>2=(As1)>k>-r>k>1 (3.34)

После этого на второй вспомогательной сетке рассматривается задача

(A>2>>k>=r>k>2> >(3.35)

с однородными граничными условиями. A>2>- разностный оператор, аппроксимирующий исходный дифференциальный оператор на второй вспомагательной сетке. Для (3.35) начиная с =0 делается s2 строчных зейделевских итераций ,после чего получаем сеточную функцию s2 .Эта функция линейно интерполируется на первую вспомогательную сетку ,в узлах которой исправляется *=s1->int>s2.Затем для (3.34) начиная с * делается s3 строчных зейделевских итераций .В результате получаем сеточную функцию s3 ,которая линейно интерполируется на основную сетку ,в узлах которой исправляется u*=us->int>s3.Выбрав u* в качестве начального приближения ,вновь делаем s зейделевских итераций на основной сетке.Описанная процедура является одним циклом РМФ.Итерации заканчиваются, если относительная погрешность приближений ,полученных после двух последовательных циклов , не превосходит некой наперёдзпданной величины.

Определение неизвестных на t+1 итерации в строчном методе Зейделя состоит в решении при каждом j=1,2,3,… системы уравнений с трёхдиоганальной матрицей:

a>k>u>k-1>t+1-q>k>u>k>t+1+b>k>u>k+1>t+1=-F>k >, (3.36)

F>k>=f>k>+c>k>u>k-m>t+1+d>k>u>k+m>t

Данная система уравнений решается методом прогонки.После того как определены все u>k-m>t+1,пологаем t=t+1 и переходим к определению следующего приближения, т.е. заново при каждом j=1,2,3… решаем систему уравнений (3.36).

Сравнение итерационных методов решения эллиптических задач проводят на модельных задачах. Анализ результатов показывает, что эффективность РМФ,ICCG, и МНФБ практически одинаковая, но при увеличении размерности сетки пространственной дискретизации (68*48) РМФ приобретает некоторое преимущество.При этом наибольшая погрешность результатов для для всех трёх методов не превосходит 2% [1].

IV.Заключение.

На ранних стадиях развития полупроводниковой электроники многомерный анализ приборов был невозможен, так как система уравнений, описывающая перенос носителей в этом случае не решалась в аналитическом виде. Развитие вычислительной техники в последние годы сделало возможным появление двух и трёхмерных моделей.

В настоящее время методы численного решения уравнений переноса достаточно хорошо разработаны и являются эффективным инструментом для моделирования и анализа полупроводниковых приборов. Многомерные численные модели могут применятся на стадии разработки приборов, оптимизации их структур, выбора полупроводникового материала и параметров технологического процесса. Двумерный и трехмерный численный анализ позволяет также получить более полные сведения о работе приборов, определить границы применимости простых аналитических моделей, выявить и исследовать некоторые новые эффекты.

Многомерные модели широко применяются при анализе короткоканальных эффектов, имеющих место в приборах с микронными размерами рабочих областей.Успехи современной микроэлектроники в миниатюризации полупроводниковых приборов делают такое моделирование особенно актуальным. Другое перспективное направление в этой области –моделирование мощных полевых транзисторов.

Данная работа позволила ознакомиться с принципами численного анализа МДП-структур и конкретными методами двумерного моделирования. В дальнейшем я планирую продолжить работу по этой теме, конкретно, в области моделирования короткоканальных приборов.

Литература.

1.Польский Б.С. Численное моделирование полупроводниковых приборов.

Рига: Зинатне, 1986,-168 с.

2.Мулярчик С.Г. Численное моделирование микроэлектронных структур.

Минск. Университетское, 1989,-368 с.

3.Афонцев С.А.,Григорьев Н.И.,Кунилов В.А.,Петров Г.В Использование двумерных численных моделей для анализа и моделирования полупроводниковых приборов. Зарубежная радиоэлектроника,1975,

N08,с.67-87.

4.Марчук Г.И. Методы вычислительной математики. М., Наука, 1977,- 456 с.

5.Самарский А.А., Николаев Е.С. Методы решения сеточных уравнений. М., Наука, 1978. – 592 с.

6.Федоренко Р.П. Релаксационный метод решения разностных эллиптических уравнений. Журн.вычисл.мат. и мат.физики, 1961, т. 1, N05, с. 922-927.