4 分で読了
0 views

低温MOSトランジスタの物理モデル

(Cryogenic MOS Transistor Model)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近若手から低温で動く半導体の話が出てきまして、何を今さらという感じでしてね。要するに常温のトランジスタと何が違うんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、簡単に整理しますよ。結論を先に言うと、低温ではドーパントのイオン化や界面トラップの振る舞いが変わり、デバイスのしきい値やサブスレッショルド挙動が大きく変わるんです。

田中専務

ふむふむ、ドーパントのイオン化ですか。現場で言うと原材料が反応しないみたいなことですかね。で、それを調べる論文があると聞きましたが、どういうアプローチなんですか。

AIメンター拓海

この研究ではまず基本に立ち返り、ポアソン方程式(Poisson equation、ポアソン方程式)とドリフト拡散(Drift-diffusion、ドリフト・拡散)輸送を用いて、室温から液体ヘリウム温度まで連続的に説明するモデルを作っていますよ。数式だけでなく実測との照合を重視しています。

田中専務

論文は理論が中心で現場とは距離がありそうに思えるのですが、経営の視点で言うと投資対効果や設計変更の判断にどう役立ちますか。

AIメンター拓海

ポイントを三つに分けますね。第一に、このモデルがあれば深低温でのデバイス設計の予測精度が上がり試作回数を減らせること。第二に、どの現象が性能を悪化させるのかを定量化できるため、対策投資を絞れること。第三に、回路シミュレーションに組み込めば設計期間短縮につながることです。大丈夫、一緒にやれば必ずできますよ。

田中専務

その三点、いいですね。ところで専門用語が多くて耳障りですが、具体的に現象名を教えてください。例えば界面トラップって何を指すのですか。

AIメンター拓海

界面トラップ(interface traps、界面トラップ)とは絶縁膜と半導体の境目にある電荷の貯まりやすい状態のことです。身近な比喩で言えば、配管の継ぎ目にゴミが溜まって流れを邪魔するようなものと考えてください。低温ではこれが電気的に働きやすくなり、スイッチが切り替わる挙動を鈍くしますよ。

田中専務

なるほど。では「これって要するに設計で何を直すべきかがわかるということ?」と聞いてもいいですか。

AIメンター拓海

その通りです。要するに設計上の重点箇所が明確になるんですよ。モデルは不完全なイオン化(incomplete dopant-ionization、不完全ドーパントイオン化)、バンドギャップの拡大(bandgap widening、バンドギャップ拡大)、移動度変化(mobility reduction、移動度低下)、界面トラップの影響を取り込みますから、どの対策にコストをかけるべきかを示してくれます。

田中専務

投資を絞れるのは経営的に助かりますね。最後にもう一つ、現場へ展開するために我々が確認すべき実務的な指標は何でしょうか。

AIメンター拓海

会議で使える要点を三つ用意します。しきい値の温度依存(Threshold voltage temperature dependence、しきい値の温度依存)、サブスレッショルドスイング(Subthreshold swing、サブスレッショルドスイング)の悪化、そしてオン電流の温度挙動です。これらを測れば設計改良の優先順位が付けられますよ。大丈夫、一緒にやれば必ずできますよ。

田中専務

分かりました。自分の言葉でまとめますと、低温では材料や界面の振る舞いが変わり、その変化を物理に基づいてモデル化することで試作や手戻りを減らし、投資の優先順位を明確にできる、ということですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
高次元データに強いグラフベースの二標本検定の改良
(On High-dimensional Modifications of Some Graph-based Two-sample Tests)
次の記事
網膜血管の分岐点検出のためのマルチタスクネットワーク
(A Multi-task Network to Detect Junctions in Retinal Vasculature)
関連記事
凸緩和による教師なし変換学習
(Unsupervised Transformation Learning via Convex Relaxations)
表形式データのためのAnoGAN:異常検知への新しいアプローチ
(AnoGAN for Tabular Data: A Novel Approach to Anomaly Detection)
自己監視型スキャン特化インプリシットニューラル表現とモデル強化による多パラメータ定量MRIの高速化
(Accelerating multiparametric quantitative MRI using self-supervised scan-specific implicit neural representation with model reinforcement)
ラマン分光データの教師なしノイズ除去
(UNSUPERVISED DENOISING OF RAMAN SPECTRA WITH CYCLE-CONSISTENT GENERATIVE ADVERSARIAL NETWORKS)
近似アンロールド微分による訓練データ帰属
(Training Data Attribution via Approximate Unrolled Differentiation)
グラフィカルラッソのADMMアルゴリズム:ℓ∞要素別ノルム制約付き
(ADMM Algorithm for Graphical Lasso with an ℓ∞Element-wise Norm Constraint)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む