Compact Modeling of Oxide-Semiconductor, 2D Material, Carbon Nanotube, and Cryogenic Transistors with Experiment Verification

Das unermüdliche Streben danach, Computer schneller und kleiner zu machen, hat lange Zeit auf der Verkleinerung der winzigen Schalter in ihnen, der sogenannten Transistoren, beruht. Jahrzehntelang wurden diese Schalter aus Silizium gefertigt, einem Material, das der Industrie gut gedient hat. Da Ingenieure diese Komponenten jedoch an ihre physikalischen Grenzen treiben, suchen sie nach neuen Materialien, die auf bestehende Chips gestapelt werden können oder in extremer Kälte funktionieren können, ohne auszufallen. Zu diesen aufkommenden Materialien gehören amorphe Oxid-Halbleiter, die in Bildschirmen verwendet werden, atomar dünne zweidimensionale Schichten und winzige Kohlenstoffröhrchen. Die Herausforderung besteht nicht nur darin, diese Bauteile zu bauen, sondern genau zu verstehen, wie sie sich verhalten, damit Ingenieure Schaltkreise um sie herum entwerfen können. Um dies zu erreichen, verwenden Wissenschaftler kompakte Modelle, die vereinfachte mathematische Beschreibungen sind und als Blaupause dafür dienen, wie eine Transistor auf Elektrizität reagiert. Ohne eine zuverlässige Blaupause ist es unmöglich vorherzusagen, wie diese neuen Technologien in einem echten Computer abschneiden werden.

In dieser Arbeit hat ein Forscher einen einzigen, einheitlichen Bauplan erstellt, der vier sehr unterschiedliche Arten dieser aufkommenden Transistoren beschreiben kann: Oxid-Halbleiter-Schalter, zweidimensionale Materialschalter, Kohlenstoffnanoröhren-Schalter und Standard-Silizium-Schalter, die bei extrem niedrigen Temperaturen arbeiten. Anstatt für jedes Material einen separaten Satz von Regeln zu erstellen, entwickelte der Autor ein flexibles Framework, das die einzigartigen Eigenheiten des jeweiligen Materials berücksichtigt. Das Modell betrachtet, wie Elektronen in Unvollkommenheiten innerhalb des Materials gefangen werden, wie sie sich verhalten, wenn sie in unglaublich dünne Räume gepresst werden, und wie sie sich bewegen, wenn das Bauteil auf den absoluten Nullpunkt abgekühlt wird. Durch das Testen dieses Frameworks gegen reale Messungen von gefertigten Bauteilen und veröffentlichten Daten demonstrierte der Forscher, dass ein einzener Satz von Prinzipien das Verhalten all dieser vielfältigen Technologien genau vorhersagen kann.

Der Kern dieser Leistung liegt darin, wie das Modell die unsichtbaren Kräfte innerhalb des Transistors handhabt. In diesen winzigen Bauteilen fließen Elektronen nicht einfach wie Wasser in einem Rohr; sie interagieren auf komplexe Weise mit dem Material. Das Modell beinhaltet eine Methode zur Berechnung der Ladung von Elektronen, die in Defekten feststecken, was entscheidend für Oxid-Halbleiter ist, da diese dazu neigen, mehr solcher Unvollkommenheiten als Silizium aufzuweisen. Es berücksichtigt auch die Tatsache, dass sich Elektronen in sehr dünnen Materialien anders verhalten als in massivem Silizium, ein Phänomen, das als Quantenconfinement (Quanteneinschluss) bekannt ist. Darüber hinaus schlägt das Modell die Brücke zwischen zwei Arten der Elektronenbewegung: der langsamen, stößenden Bewegung, die in langen Kanälen beobachtet wird, und dem schnellen, ungehinderten Flug, der in sehr kurzen Kanälen auftritt. Dies ermöglicht es derselben Gleichung, einen Transistor zu beschreiben, der fast einen Mikrometer lang ist, und einen, der nur wenige Nanometer breit ist.

Um die Funktionsweise des Modells zu beweisen, testete der Forscher es zuerst an einem neu gefertigten Transistor aus Indium-Gallium-Oxid, einem Typ von Oxid-Halbleiter. Das Bauteil wurde auf einem Silizium-Chip mit einer Gate-Länge von 40 Nanometern bis hin zu fast einem Mikrometer aufgebaut. Das Modell stimmte erfolgreich mit den gemessenen elektrischen Daten überein, aber nur, wenn der Forscher den Effekt der eingefangenen Ladungen berücksichtigte. Ohne die Berücksichtigung dieser eingefangenen Elektronen konnte das Modell nicht vorhersagen, wie das Bauteil einschaltet. Die Übereinstimmung war so präzise, dass sie das Energieniveau dieser Fallen enthüllte, was einem Temperaturwert von 700 Kelvin entspricht – ein Detail, das mit einem einfacheren Modell übersehen worden wäre. Diese Validierung bestätigte, dass das Modell die unordentliche Realität realer Materialien bewältigen kann, nicht nur eine idealisierte Theorie.

Der Forscher wandte das gleiche Modell dann auf zwei andere hochmoderne Materialien an: Molybdändisulfid, ein zweidimensionales Material, und Kohlenstoffnanoröhren. Für den Molybdändisulfid-Transistor, der eine Kanallänge von 10 Nanometern hatte, sagte das Modell dessen Verhalten genau voraus und enthüllte, dass der Kontaktwiderstand zwischen dem Metall und dem Material recht niedrig war. Für die Kohlenstoffnanoröhren-Transistoren erfasste das Modell eine einzigartige elektrische Eigenschaft, bei der sich die Kapazität, also die Fähigkeit, Ladung zu speichern, aufgrund der eindimensionalen Natur der Röhren auf nicht-lineare Weise ändert. Das Modell reproduzierte erfolgreich die gemessenen Daten für Bauteile mit Kanallängen von 90 und 10 Nanometern und zeigte, dass dieselbe zugrunde liegende Physik beide Materialien trotz ihrer unterschiedlichen Strukturen erklären kann.

Schließlich wurde das Modell unter extremen Bedingungen getestet, indem ein Silizium-Transistor simuliert wurde, der von Raumtemperatur auf 8 Kelvin abgekühlt wurde. In dieser kalten Umgebung wird die Bewegung der Elektronen stark durch „Band-Tail-Zustände“ beeinflusst, also Energieniveaus, die knapp unter dem Hauptenergieband erscheinen, in dem sich die Elektronen normalerweise befinden. Das Modell integrierte diese Zustände und sagte erfolgreich voraus, dass die Fähigkeit des Transistors zum Ein- und Ausschalten bei sehr niedrigen Temperaturen stabil bleiben würde, was mit experimentellen Beobachtungen übereinstimmte. Dies bestätigte, dass das Modell die komplexe Physik des kryogenen Betriebs handhaben kann, was für zukünftige Quantencomputing-Anwendungen von entscheidender Bedeutung ist.

Nachdem das Modell über diese verschiedenen Materialien und Bedingungen hinweg validiert worden war, nutzte der Forscher es, um zu simulieren, wie diese Transistoren in einem einfachen digitalen Schaltkreis, spezifisch einem Ringoszillator aus 17 Stufen, performen würden. Die Simulation nahm ideale Bedingungen ohne externen Leitungswiderstand an, um die bestmögliche Leistung zu ermitteln. Die Ergebnisse zeigten, dass der Kohlenstoffnanoröhren-Transistor unglaublich schnell schalten kann, mit einer Verzögerung von nur 0,15 Pikosekunden, während der Molybdändisulfid-Transistor mit 1,7 Pikosekunden langsamer war. Die Simulation verdeutlichte jedoch auch eine Schwäche im Design der Kohlenstoffnanoröhren: Sie litt unter einer hohen Leckstromstärke bei hoher Spannung, was darauf hindeutet, dass sie zwar schnell ist, aber möglicherweise ein besseres Engineering benötigt, um diesen Leckstrom zu kontrollieren. Der Oxid-Halbleiter-Transistor war zwar nicht der schnellste, zeigte aber eine exzellente Kontrolle über den Stromfluss, was ihn zu einem starken Kandidaten für spezifische Anwendungen macht.

Diese Arbeit stellt ein leistungsfähiges Werkzeug für die Halbleiterindustrie bereit, indem sie einen einzigen, konsistenten Weg bietet, die nächste Generation von Transistoren zu entwerfen und zu bewerten. Indem sie beweist, dass ein einheitlicher Ansatz alles von Oxid-Halbleitern bis hin zu Kohlenstoffnanoröhren und kryogenem Silizium genau beschreiben kann, beseitigt die Forschung eine signifikante Barriere für die Entwicklung neuer Technologien. Sie ermöglicht es Ingenieuren, vorherzusagen, wie sich diese Bauteile verhalten werden, noch bevor sie überhaupt gebaut werden, was den Weg zu fortschrittlicheren und effizienteren elektronischen Systemen beschleunigt. Die Ergebnisse legen nahe, dass zwar jedes Material seine eigenen Stärken und Schwächen hat, sie aber alle durch eine gemeinsame physikalische Linse verstanden werden können, was den Weg für eine Zukunft ebnet, in der diverse Materialien zusammen in demselben Chip arbeiten.