[发明专利]基于数据模型的半导体器件物理可视化仿真平台设计方法在审
申请号: | 202010143842.8 | 申请日: | 2020-03-04 |
公开(公告)号: | CN111382508A | 公开(公告)日: | 2020-07-07 |
发明(设计)人: | 王一川;梁小龙;黑新宏;朱磊;姬文江;杜延宁;宋昕 | 申请(专利权)人: | 西安理工大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F30/12 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 曾庆喜 |
地址: | 710048 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 数据模型 半导体器件 物理 可视化 仿真 平台 设计 方法 | ||
1.基于数据模型的半导体器件物理可视化仿真平台设计方法,其特征在于,具体按照如下步骤实施:
步骤1,根据PN结、MOSFET、BJT三种基本器件的结构与原理,建立与对应器件的特性数学模型;
步骤2,使用NumPy将步骤1建立的模型整合成完整的计算方案,并利用Python语言进行抽象化处理;
步骤3,将步骤2利用Python语言进行抽象化处理后的计算方案利用Python的PyQt5实现仿真平台的图形界面;
步骤4,选择所需仿真器件;
步骤5,确定步骤4选择的仿真器件的掺杂以及相关物理参数;
步骤6,将步骤5掺杂以及相关物理参数输入步骤2的经过处理的计算方案中,实现对中间结果的快速计算,并在步骤3的图形界面上实现数据可视化工作模型并进行仿真的可视化输出。
2.根据权利要求1所述的基于数据模型的半导体器件物理可视化仿真平台设计方法,其特征在于,所述步骤1具体为:
所述PN结的特性数学模型为:根据PN结的七种特性建立模型,具体为:
n区导带电子浓度为:
n区电势为:eφFn=EF-EFi (2),则:
ND为n区净施主浓度,则n0=ND,代入(1)后对两边取自然对数,得到:
对P区得:
热电压Vt=0.0259,xp xn分别为空间电荷区宽度:
则:同样,根据MOSFET、BJT的特性建立数学模型。
3.根据权利要求2所述的基于数据模型的半导体器件物理可视化仿真平台设计方法,其特征在于,所述步骤2具体为:
步骤2.1,根据步骤1种建立的器件数学模型,抽取模型中参数,转化成代码语言,初始化化变量:
首先所有的特性规定默认温度为300K,衬底材料的不同,相关材料参数值为硅Si、锗Ge、砷化镓GaAs中任意一种,ni本征载流子浓度,Eg禁带宽度,εS介电常数,Dp Dn P区与N区的扩散系数,τp0 τn0 P区与N区的少子寿命,均为默认值;
步骤2.2,利用Numpy组织数据,对步骤2.1的参数进行科学计算,形成计算方案;
步骤2.3,利用Python语言对计算方案进行抽象化处理。
4.根据权利要求3所述的基于数据模型的半导体器件物理可视化仿真平台设计方法,其特征在于,所述步骤3中图形界面具体包括:
系统入口模块,是用于实现用户与系统交互的主界面,用于引导用户选择将要进入仿真的器件PN结、BJT、MOSFET;
器件特性仿真模块,包含五部分:标题栏,参数设置区,Matplotlib绘图展示区,快速运算结果区,功能按钮。
5.根据权利要求3所述的基于数据模型的半导体器件物理可视化仿真平台设计方法,其特征在于,所述系统入口模块主要包括四个区域,分别为标题栏、Logo展示区、器件仿真入口与版权信息栏,器件仿真入口主要包括四个选项:PN_Junction,MOSFET,BJT与退出系统,前三个选项点击即可跳转至相关功能界面,点击退出系统将结束整个程序的监听循环,关闭应用。
6.根据权利要求5所述的基于数据模型的半导体器件物理可视化仿真平台设计方法,其特征在于,所述步骤5为:
根据步骤4中选择的器件不同,确定对应的掺杂以及相关物理参数,在PN结中可选的材料有:硅、锗、砷化镓,选择完材料后,界面上的材料相关参数:本征载流子浓度,禁带宽度,介电常数,由系统填入,接下来要键入N区与P区的掺杂浓度,以及N区与P区对应的宽度,若有外加电压的情况下,则键入外加电压的大小。
7.根据权利要求6所述的基于数据模型的半导体器件物理可视化仿真平台设计方法,其特征在于,所述步骤6具体为:
完成步骤5的参数设置后,点击快速运算对后台计算中产生的中间参数进行输出,并且在窗口界面,直接获取;
选择完仿真项目后,点击开始仿真,后台对所有数据进行处理,最终通过窗口可视化展示出来,如需观察不同参数下对仿真结果的对比,直接调整数值,再次点击仿真即能在同一张画布中展示对比的仿真结果;
如果需对不同的项目进行仿真则需要点击清空画布,则重复上述操作。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010143842.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于集成学习的加密流量识别方法
- 下一篇:基于移动端供排水在线监测系统