基於粒子群優化算法的器件模型表麵勢求解
技術廣角
作者：馬曉峰
摘 要： 在研究器件建模和粒子群優化算法的基礎上，提出了基於粒子群優化算法的器件模型表麵勢求解，從而建立整套模型參數。在粒子群優化算法的程序實現上，采用JAVA麵向對象語言，封裝粒子對象，進化中的粒子個體不斷接近最優解。之後對經典的器件模型表麵勢方程進行了測試，證明了粒子群優化算法在器件建模方麵的可行性。
關鍵詞： 粒子群優化算法； 器件模型； 表麵勢； JAVA
中圖分類號：TP311 文獻標誌碼：A 文章編號：1006-8228（2015）03-01-03
Abstract： Based on the research on device modeling and particle swarm optimization algorithm， proposes a solution of particle swarm optimization algorithm for device model surface potential， so as to establish a complete set of model parameters. On the particle swarm optimization algorithm program implementation， using JAVA object-oriented language， encapsulating particles， evolutionary particle individual is constantly close to the optimal solution. The classic device model surface potential equation was tested， and proved the feasibility of the particle swarm optimization algorithm in terms of device modeling.
Key words： particle swarm optimization； device model； surface potential； JAVA
0 引言
器件建模是製造工藝發展和電路設計之間一條重要的橋梁。他們的主要功能是準確的重現器件的微小特征，這對於數字，模擬，混合信號和射頻集成電路的設計是至關重要的。在深亞微米工藝下，特征尺寸不斷縮小，逐漸接近物理極限，MOS器件也隨之出現一係列之前未曾考慮過的效應。同時供電電壓也隨著尺寸的減小而下降，對中間過渡區影響較大，這樣就要求能夠精確而物理地描述中間過渡區，這時就應該選擇表麵勢模型。隨著器件模型應用領域的普及，結合各種物理效應的建模成為必然。物理性、連續性、全麵性等苛刻的電路設計要求促使表麵勢模型得到了進一步研究。表麵勢模型的優勢在於模型參數較少，物理特性強，精度較高，其原理就是通過推導溝道的表麵勢方程，由於溝道中的粒子能很好地表征各個物理效應，之後可以根據所求解得到的表麵勢推導出器件模型中其他150-400個參數。然而最初為何器件模型沒有直接選擇表麵勢建模，是因為表麵勢建模極其複雜，除物理效應繁雜外，求解表麵勢方程也是一項難題。
作為一種智能計算，粒子群優化算法（Particle Swarm Optimization，PSO）是基於個體自身的發展與群體間的交流來完成複雜空間中最優解的搜索。PSO一方麵實現了智能算法的功能，具有較好的函數優化和全局搜索，另一方麵吸取了人工生命、鳥群覓食、魚群學習和群理論的思想，省去了一些複雜的操作，使得參數減少，具有簡單易用、高效實用的優點。結合器件模型中表麵勢方程的特點，考慮到PSO會是非常適合求解的選擇，本文提出了使用粒子群優化算法進行求解，采用JAVA麵向對象語言設計算法程序。程序測試結果表麵該優化算法在求解器件模型表麵勢方程方麵的可行性，有效性，具有一定的理論應用價值。