Details

Title Моделирование транзистора с плавающим затвором на основе ван-дер-ваальсового гетероперехода графен/h-BN/MoS[2] // Известия высших учебных заведений. Электроника. – 2024. – Т. 29, № 4. — С. 478-488
Creators Мефтахутдинов Р. М.
Imprint 2024
Collection Общая коллекция
Subjects Радиоэлектроника; Полупроводниковые приборы; транзисторы; моделирование транзисторов; транзисторы с плавающим затвором; ван-дер-ваальсовые гетеропереходы; графены; DFT-расчеты; мемристоры; transistors; simulation of transistors; floating gate transistors; van der Waals heterojunctions; graphenes; DFT calculations; memristors
UDC 621.382
LBC 32.852
Document type Article, report
File type Other
Language Russian
DOI 10.24151/1561-5405-2024-29-4-478-488
Rights Доступ по паролю из сети Интернет (чтение)
Additionally New arrival
Record key RU\SPSTU\edoc\73751
Record create date 9/9/2024

Allowed Actions

View

Транзисторы на основе кремниевых технологий характеризуются значительным рассеянием мощности. Однако масштабирование кремниевых транзисторов не удается при длине затвора менее 5 нм из-за эффектов короткого канала. Требуемая высокая плотность синапсов не позволяет использовать устройства на основе кремния для нейроморфных приложений. Существует широкое разнообразие устройств электрически стираемой энергонезависимой памяти с различными электронными архитектурами, среди них транзисторы с плавающим затвором представляют наибольший интерес для исследователей. В настоящей работе рассмотрен транзистор с плавающим затвором на основе ван-дер-ваальсового гетероперехода графен/h-BN/MoS[2], построена многомасштабная модель устройства и осуществлена ее реализация. С использованием DFT-методов (Density Functional Theory) изучены физические свойства гетероструктуры. Для исследования передаточных характеристик использована модель Шичмана - Ходжеса. Показано, что плавающий затвор заряжается за счет туннельного эффекта Фаулера - Нордгейма и прямого туннелирования. Проведенные расчеты показали, что представленное устройство имеет высокое быстродействие (при напряжении на затворе 9 В время записывания составляет 50 нс). Окно памяти может быть настроено изменением диапазона развертки напряжения на управляющем электроде. Кроме того, устройство демонстрирует особенности биологического синапса, такие как импульсное потенциирование и пластичность, которые выражаются в возможности настраивать проводимость канала электрическим импульсом, подаваемым на затвор. Эти функции являются важными для процесса обучения и, таким образом, открывают возможности для использования транзистора для нейроморфных приложений.

Silicon technology-based transistors are characterized by significant stand-by power dissipation. However, Si transistor sizing could not be performed when gate length is less than 5 nm because of short-channel effects. The required high synaptic densities disallow the use of Si devices for neuromorphic applications. There is a wide variety of electrically erasable non-volatile memory devices with different electronic architectures, of which floating gate transistors represent the most promising class. In this work, a floating gate transistor based on a graphene/h-BN/MoS[2] van der Waals heterojunction is considered, a multiscale model of the device is constructed and its implementation is carried out. Using DFT (Density Functional Theory) methods, the physical properties of the heterostructure were studied. To study the transfer characteristics, a simplified Shichman - Hodges model was used. It was demonstrated that the floating gate is charged by the Fowler - Nordheim tunneling effect and direct tunneling. The calculations showed that the presented device demonstrates high performance (at 9 V gate voltage, write time is 50 ns). The memory window can be adjusted by changing the voltage sweep range of the control electrode. In addition, the device demonstrates the characteristics of a biological synapse, such as impulse potentiation and plasticity, which are expressed in the ability to tune the channel conductivity by electric impulse fed to transistor gate. These features are important for the learning process, and thus open up the possibility of using the transistor for neuromorphic applications.

Access count: 17 
Last 30 days: 7

Detailed usage statistics