RASP: Reliability ab initio simulation package of MOSFETs based on all-state model

Das Paper stellt RASP vor, ein Zuverlässigkeits-Simulationspaket für MOSFETs, das auf einem All-Zustands-Modell und ab-initio-Berechnungen basiert, um die durch Defekte verursachte Degradation präzise zu simulieren und Sauerstoffleerstellen als signifikante Quelle für NBTI in a-SiO₂ zu identifizieren.

Das Wesentliche

🛠️ RASP: Der neue „Schadens-Scanner" für Computerchips

Stellen Sie sich vor, Ihr Smartphone oder Laptop ist wie eine riesige, winzige Stadt aus Milliarden von Straßenkreuzungen. Diese Kreuzungen sind die Transistoren (die Schalter in einem Chip). Damit die Stadt funktioniert, müssen diese Schalter blitzschnell ein- und ausschalten.

Das Problem: Je kleiner wir diese Schalter bauen (heute sind sie kleiner als ein Virus), desto mehr „Baustellen" und „Unfälle" passieren. Die Schalter werden unzuverlässig. Sie werden träge oder bleiben hängen. Das nennt man Zuverlässigkeitsprobleme.

Die Forscher aus China haben ein neues Werkzeug entwickelt, um diese Probleme zu verstehen und vorherzusagen. Es heißt RASP.

1. Das Problem: Die alte Landkarte war falsch

Bislang haben Wissenschaftler versucht, diese Unfälle zu verstehen, indem sie eine sehr vereinfachte Landkarte nutzten.

• Die alte Methode (2-Zustands-Modell): Sie dachten, ein Defekt (ein kaputtes Bauteil im Isolator des Chips) kann nur zwei Dinge tun: Entweder er ist „in Ordnung" oder er ist „kaputt". Wie ein Lichtschalter: An oder Aus.
• Die Realität: In der echten Welt, besonders in den amorphen (ungeordneten) Materialien, aus denen die Chips bestehen, ist ein Defekt viel komplizierter. Er kann nicht nur an oder aus sein. Er kann sich verdrehen, in verschiedene Richtungen kippen, sich kurzzeitig verformen und dann wieder zurückkommen. Er hat viele verschiedene Haltungen, nicht nur zwei.

Die Analogie:
Stellen Sie sich einen Defekt wie einen Gymnast vor.

• Die alten Modelle sagten: „Der Gymnast steht entweder still oder er macht einen Handstand."
• Die Realität ist: Der Gymnast kann sich strecken, drehen, auf den Kopf stellen, in die Hocke gehen und unzählige andere Posen einnehmen. Wenn man nur die zwei einfachen Posen betrachtet, verpasst man, wie der Gymnast wirklich funktioniert.

2. Die Lösung: RASP – Der „All-Zustands"-Scanner

Die Forscher haben RASP (Reliability Ab initio Simulation Package) entwickelt. Das ist eine hochmoderne Simulationssoftware, die wie ein Super-Mikroskop funktioniert.

• Was macht RASP? Es schaut sich jeden einzelnen Defekt an und berücksichtigt alle seine möglichen Haltungen (alle „Zustände") und alle Wege, wie er von einer Haltung in die andere wechseln kann.
• Wie funktioniert es?
  1. Die Physik verstehen: Es berechnet genau, wie sich Atome bewegen, wenn ein elektrischer Strom durch den Chip fließt.
  2. Die Wahrscheinlichkeiten: Es berechnet, wie wahrscheinlich es ist, dass ein Defekt in eine bestimmte Pose springt (z. B. wenn er ein Elektron „schluckt" oder wieder „spuckt").
  3. Die Vorhersage: Es sagt voraus, wie sich diese winzigen Bewegungen auf die gesamte Spannung des Chips auswirken.

Die Analogie:
Stellen Sie sich vor, Sie wollen vorhersagen, wie sich ein Stau auf einer Autobahn entwickelt.

• Die alten Modelle sagten: „Wenn ein Auto langsamer wird, entsteht Stau." (Zu einfach).
• RASP sagt: „Wir schauen uns jedes Auto an. Manche Autos wechseln die Spur, manche bremsten abrupt, manche beschleunigen wieder. Wir berechnen, wie sich diese Millionen von kleinen Entscheidungen zu einem riesigen Stau (dem Spannungsabfall im Chip) addieren."

3. Die große Überraschung: Der „Oxygen-Vacancy"-Verdächtige

Ein Hauptziel der Studie war es, herauszufinden, wer eigentlich der Übeltäter für die Unzuverlässigkeit ist. Lange Zeit glaubte man, dass Sauerstoff-Leerstellen (Lücken im Material, wo ein Sauerstoffatom fehlt, genannt VO) keine große Rolle spielen.

Warum? Weil die alten Modelle (die nur zwei Zustände kannten) sagten: „Diese Lücken sind zu tief im Material versteckt, um Strom zu stehlen."

Aber RASP hat die Wahrheit enthüllt:
Als die Forscher RASP nutzten und alle möglichen Haltungen dieser Sauerstoff-Lücken betrachteten, stellte sich heraus: Sie sind die Haupttäter!

• Die Lücken können sich in viele verschiedene Formen verwandeln.
• In manchen Formen fangen sie ganz leicht Elektronen auf.
• Das führt dazu, dass der Chip langsamer wird oder Spannung verliert.

Die Analogie:
Früher dachte man, ein bestimmter Dieb (die Sauerstoff-Lücke) sei zu groß und zu schwer, um durch ein kleines Fenster (den Chip) zu klettern.
RASP hat jedoch gezeigt: „Moment mal! Der Dieb ist ein Akrobat. Er kann sich zusammenrollen, durch das Fenster schlüpfen, sich wieder ausstrecken und dann die Wertsachen klauen." Ohne RASP hätte man diesen Dieb nie erwischt.

4. Warum ist das wichtig für uns?

• Längere Lebensdauer: Wenn wir wissen, welche Defekte Chips kaputt machen, können wir bessere Chips bauen, die länger halten.
• Schnellere Entwicklung: Statt Jahre lang Chips zu testen, bis sie alt werden, können wir mit RASP in wenigen Minuten am Computer simulieren, was in 10 Jahren passieren wird.
• Zuverlässigkeit: Unsere Autos, Krankenhäuser und Smartphones werden sicherer, weil wir die Schwachstellen in der Elektronik besser verstehen.

Fazit

Die Forscher haben mit RASP eine Art „Wahrheitsmaschine" gebaut. Sie hat gezeigt, dass die Welt der winzigen Chips viel chaotischer und vielfältiger ist als bisher angenommen. Indem sie nicht nur auf das Offensichtliche (die zwei Zustände) schauen, sondern das gesamte Spektrum der Möglichkeiten (alle Zustände) betrachten, können sie jetzt genau vorhersagen, warum Computerchalter altern und wie man sie besser macht.

Es ist der Unterschied zwischen einem Kind, das denkt, ein Würfel habe nur eine Seite, und einem Ingenieur, der weiß, dass er sechs Seiten hat und wie er rollt.

Technische Zusammenfassung

1. Problemstellung

Mit dem fortschreitenden Skalieren von Transistoren in den Sub-10-nm-Bereich (z. B. FinFETs, GAAFETs) ist die Zuverlässigkeit von Halbleiterbauelementen zu einem kritischen Engpass geworden. Ein Hauptproblem ist die Negative Bias Temperature Instability (NBTI), die zu einer Verschiebung der Schwellspannung ($V_{th}$) und einer Degradation des Drive-Stroms in PMOS-Transistoren führt.

Herausforderungen bei der Modellierung:

• Komplexität amorpher Dielektrika: Gate-Dielektrika wie amorphes Siliziumdioxid ($a\text{-SiO}_2$) weisen aufgrund ihrer strukturellen Unordnung und niedrigen Symmetrie eine enorme Vielfalt an Defektstrukturen auf.
• Limitationen bestehender Modelle: Herkömmliche Modelle (Zustandsmodelle) basieren oft auf vereinfachten Annahmen:
  • Das Zustandsmodell (Two-state) betrachtet nur zwei Konfigurationen (Grundzustand).
  • Das Vier-Zustands-Modell (Four-state) führt metastabile Zustände ein, beschränkt sich aber immer noch auf eine begrenzte Anzahl von Konfigurationen (z. B. nur Si-Dimer und Back-Projected).
• Folge: Diese Modelle ignorieren viele mögliche Defektkonfigurationen und Übergangspfade in amorphen Materialien. Dies kann zu falschen Identifikationen der Defektursprünge führen und die Vorhersage von Zuverlässigkeitsdegradation und Alterungseffekten in Schaltkreisen ungenau machen.

2. Methodik: Das RASP-Paket und das All-State-Modell

Die Autoren haben RASP (Reliability Ab initio Simulation Package) entwickelt, ein Simulationspaket, das ein neuartiges All-State-Modell implementiert.

Kernkonzept des All-State-Modells:
Im Gegensatz zu vereinfachten Modellen berücksichtigt das All-State-Modell systematisch:

1. Alle möglichen Defektkonfigurationen in amorphen Gate-Dielektrika (abhängig vom lokalen atomaren Umfeld).
2. Alle Ladungszustände (z. B. neutral und positiv geladen für Sauerstoffleerstellen $V_O$).
3. Alle Übergangspfade zwischen diesen Zuständen:
   • NMP-Übergänge (Nonradiative Multiphonon): Ladungsaustausch (Einfang/Emission von Löchern) unter Änderung des Ladungszustands.
   • Thermische Übergänge: Strukturänderungen innerhalb desselben Ladungszustands (ohne Ladungsaustausch).

Technische Architektur von RASP:
Das Paket besteht aus vier integrierten Modulen, die auf ab initio-Parametern (z. B. aus DASP oder doped) basieren:

1. Device Electrostatics Module:

   • Löst die Gate-Spannungsgleichung und die Poisson-Gleichung.
   • Berechnet Banddiagramme, elektrostatistische Potentiale und Ladungsträgerkonzentrationen unter verschiedenen Bias-Bedingungen.
   • Berücksichtigt die Kopplung zwischen Defektladung und Potentialverteilung (selbstkonsistente Lösung für hohe Defektdichten).

2. Transition Rate Module:

   • Berechnet die Raten für Ladungsträger-Tunneling (WKB-Näherung).
   • Berechnet NMP-Übergangsraten unter Berücksichtigung von Gitterrelaxation ($\Delta Q$) und elektronischer Überlappung.
   • Innovation: Nutzung der Fourier-Transformations-Methode in Kombination mit einer 2D-Interpolation der Linienformfunktion (Lineshape Function) über den Parameterraum $(\Delta E, \Delta Q)$. Dies ermöglicht eine extrem schnelle Berechnung von Übergangsraten für zehntausende Defekte ohne manuelle Summation über Phononenzustände.

3. Defect Occupation Module:

   • Modelliert die Defektkinetik als kontinuierliche Markov-Kette (CTMC).
   • Löst die Master-Gleichungen ($\frac{dP}{dt} = P \cdot A(V_G, T)$), um die zeitabhängigen Wahrscheinlichkeiten für jeden Defektzustand unter Konkurrenz aller Übergangspfade zu bestimmen.
   • Ermöglicht die parallele Lösung für große Defektsysteme.

4. Device Reliability Module:

   • Koppelt die mikroskopischen Defektzustände mit makroskopischen elektrischen Kenngrößen.
   • Berechnet die zeitabhängige Schwellspannungsverschiebung ($\Delta V_{th}$).
   • Bietet zwei Kopplungsschemata:
     • LEVEL 1: Schwache Kopplung (niedrige Defektdichte, Potentialstörung vernachlässigbar).
     • LEVEL 2: Starke Kopplung (hohe Defektdichte, selbstkonsistente Iteration zwischen Defektladung und Potentialverteilung erforderlich).

3. Wichtige Beiträge und Ergebnisse

A. Validierung am Beispiel von Sauerstoffleerstellen ($V_O$) in $a\text{-SiO}_2$:
Die Autoren simulierten die $V_O$-Defekte in einem $Si/a\text{-SiO}_2$ MOSFET und verglichen die Ergebnisse mit experimentellen Daten.

• Vergleich der Modelle:
  • Das Zustandsmodell (Two-state), das nur den Übergang zwischen den Grundzuständen betrachtet, sagt eine vernachlässigbare $V_{th}$-Verschiebung voraus.
  • Das All-State-Modell, das alle metastabilen Konfigurationen und thermischen Übergänge einbezieht, zeigt eine signifikante und nicht vernachlässigbare $V_{th}$-Verschiebung, die mit experimentellen Messungen übereinstimmt.
• Mechanismus: Es wurde gezeigt, dass metastabile Zustände (z. B. „left-in-plane" oder „twisted" Konfigurationen) als „Tore" fungieren, die den Einfang und die Emission von Löchern erleichtern, indem sie die Energiebarrieren für NMP-Übergänge senken. Diese Pfade werden in vereinfachten Modellen übersehen.

B. Klassifizierung von Defekten:
Basierend auf der Simulation aller Sauerstoffplätze in $a\text{-SiO}_2$ wurden Defekte in drei Kategorien eingeteilt:

1. Inaktive Fallen: Sehr tiefe Energieniveaus, keine Ladungsaufnahme.
2. Quasi-permanente Fallen: Mittlere Niveaus, langsame Emission (Hauptursache für langfristige, langsame Erholung).
3. Schnelle transiente Fallen: Niveaus nahe dem Valenzbandmaximum, schnelle Aufnahme/Emission (Beitrag zur frühen Degradation und schnellen Erholung).

C. Schlussfolgerung zur NBTI-Ursache:
Während frühere Studien $V_O$ aufgrund des Vier-Zustands-Modells oft als unwichtig für NBTI ausschlossen, zeigt RASP mit dem All-State-Modell eindeutig, dass Sauerstoffleerstellen eine nicht zu vernachlässigende Quelle für NBTI in $Si/SiO_2$-MOSFETs sind.

4. Bedeutung und Ausblick

• Paradigmenwechsel: Das Paper beweist, dass die Berücksichtigung der vollen strukturellen Vielfalt amorpher Materialien (All-State-Modell) für eine genaue Vorhersage der Bauelementezuverlässigkeit unerlässlich ist. Vereinfachte Modelle führen zu systematischen Fehlern.
• Effizienz: Durch die Fourier-Transformations-Methode und Interpolation kann RASP die Komplexität des All-State-Modells handhabbar machen (Berechnung von 10.000 Defekten in unter 2 Sekunden).
• Universalität: Das Framework ist nicht auf $V_O$ beschränkt, sondern kann auf andere komplexe Defekte (z. B. Wasserstoffbrücken, hydroxyl-E'-Zentren) angewendet werden, die ebenfalls komplexe Konfigurationen aufweisen.
• Anwendung: RASP dient als universelles Werkzeug für die Zuverlässigkeitsphysik und das Design hochzuverlässiger Bauelemente in fortschrittlichen Technologieknoten.

Zusammenfassend stellt RASP einen bedeutenden Fortschritt dar, der die Lücke zwischen atomarer Defektphysik und makroskopischer Bauelementesimulation schließt, indem es die volle Komplexität amorpher Dielektrika quantitativ erfasst.