Acceleration of Semiconductor Device Simulation by Using Artificial Neural Networks

Abstract

반도체 시뮬레이션 과정에서 컴퓨터 수치 해석 기법은 물리 법칙과 관련된 미분 방정식을 풀기 위한 필수적인 방법이다. 해를 얻기 위해서는 계의 초기 조건에서 iteration 을 반복하며 해에 가까워지도록 수렴시키는 과정이 필요하다. 이 과정에서 정확한 계산을 위해 계를 밀집하게 나누거나 모델 및 푸는 방정식의 개수에 따라 풀어야 하는 행렬의 크기가 기하급수적으로 커지므로, 굉장히 큰 시간 및 메모리 비용이 발생 할 수 있다. 이때 초기 조건이 해에 가깝다면 필요한 iteration 수가 줄어들게 된다. 이번 연구에서는 여러 반도체 소자에 대하여 초기 조건을 제공하는 인공신경망을 생성 및 시뮬레이션에 제공함으로써, 반도체 소자 시뮬레이션을 가속화 시키는 방법을 제시한다. 다양한 구조의 PN-diodes, MOS capacitors, planar MOSFETs, 그리고 FinFETs 구조에 대하여 적용되었다. 인공신경망의 입력은 시뮬레이션 하고자 하는 소자의 Feature에 해당하는 값, 그리고 출력은 시뮬레이션의 electrostatic potential profile에 해당하는 값으로 사용된다. 인공신경망의 출력을 사용하여 시뮬레이션에 초기 조건을 제공하면 적은 iteration으로 해를 얻을 수 있음이 확인된다.|In the process of semiconductor device simulation, numerical analysis is an essential method for solving differential equations related to physics. To get the solution, the Newton-Raphson iteration should be repeated from the initial condition to the solution. Each iteration should solve the matrix which has size can increase exponentially according to the number of models, the solving equation, and how the system is densely divided for accurate calculations. If the initial condition is close to the solution, the number of iterations required is reduced. In this study, a method for accelerating semiconductor device simulation by creating and providing an artificial neural network that provides initial conditions for the semiconductor device simulation is proposed. Various structures of PN-diodes, MOS capacitors, planar MOSFETs, and FinFETs have been applied. The input of the artificial neural network is used as a value corresponding to the feature of the device, and the output is used as a value corresponding to the electrostatic potential profile of the simulation. The output of the artificial neural network is used to provide nitial conditions for the simulation, the device simulation solution can be obtained with fewer iterations than the conventional method.