Resumen

El modelado integral y predictivo de dispositivos submicrónicos utilizando las herramientas tradicionales de EDA TCAD para simulación de dispositivos se ha vuelto cada vez más desconcertante debido a la falta de modelos confiables y a las dificultades para calibrar los modelos de dispositivos disponibles. En este documento se propone una nueva técnica para modelar dispositivos pMOSFET BCD submicrónicos y predecir comportamientos de dispositivos bajo diferentes condiciones de polarización y diferentes dimensiones de geometría utilizando el sistema de inferencia neurodifuso adaptativo (ANFIS), que combina la teoría difusa y la neuronetworking adaptativa. Aquí se demuestra el poder de utilizar ANFIS para realizar los comportamientos en estos transistores MOS de canal p. Tras una evaluación sistemática, se puede observar que los resultados de predicción de los comportamientos de complicados pMOSFETs submicrónicos mediante ANFIS se comparan con los datos reales de experimentos diagnósticos, y se ha obtenido una buena concordancia. Además, el porcentaje de error no fue superior

• Materias:Algoritmo de control Algoritmo de diagnóstico Coeficientes de proximidad Dispositivos submicrónicos Teorema de puntos
• Subjects:Control algorithm Diagnostic algorithm Proximity coefficients Submicron devices Point theorem
• Palabras claves:Completo; Modelado predictivo; Dispositivos submicrónicos; Herramientas EDA TCAD; Simulación de dispositivos; ANFIS
• Keywords:Comprehensive; Predictive modeling; Submicron devices; TCAD EDA tools; Device simulation; ANFIS