MétaCan
Menu
Retour à la cohorte
Enregistrement W2592496147 · doi:10.1109/led.2017.2679102

Current-Voltage Model for Negative Capacitance Field-Effect Transistors

2017· article· en· W2592496147 sur OpenAlexaff
Hyunjae Lee, Youngki Yoon, Changhwan Shin

Notice bibliographique

RevueIEEE Electron Device Letters · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFerroelectric and Negative Capacitance Devices
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Research Foundation of KoreaMinistry of Trade, Industry and Energy
Mots-clésFerroelectricityCapacitanceField-effect transistorVoltagePoisson's equationElectrical engineeringTransistorThreshold voltageHysteresisMaterials sciencePhysicsElectronic engineeringTopology (electrical circuits)OptoelectronicsCondensed matter physicsEngineeringQuantum mechanicsDielectricElectrode

Résumé

récupéré en direct d'OpenAlex

In this letter, a semi-analytical current-voltage model for a negative capacitance field-effect transistor (NCFET) with a ferroelectric material (i.e., BaTiO3) is proposed. Surface potential (ψS) in the channel region is determined first by solving the Landau-Khalatnikov (LK) equation numerically with Poisson's equation. Then, the drain-current is achieved based on the current continuity equation using ψSdetermined earlier. In addition, by introducing a fitting potential for a given drain-voltage,threshold voltage shift can be captured, resulting in accurate surface potential and drain-current at different gate voltages. We have verified our model using the technology computer-aided design (TCAD)-MATLAB simulation, and our model exhibits an excellent agreement to the simulation results. In addition, the impacts of the ferroelectric thickness and channel doping concentration on the device performance and hysteresis window of NCFET are thoroughly explored.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Electron Device LettersMême sujetFerroelectric and Negative Capacitance DevicesTravaux en français237 207