2D Material-Based MVS Model and Circuit Performance Analysis for GeH Field-Effect Transistors
Notice bibliographique
Résumé
This paper presents an improved multi-level simulation framework for 2D material-based nanoelectronics, which expands from device simulation, physics-based compact modeling, and circuit benchmarking, using the germanane (GeH) metal-oxide-semiconductor field-effect transistors (MOSFETs) as an example. The device simulation employs the non-equilibrium Green's function method to obtain the characteristics of 2D GeH MOSFETs for both n-type MOSFETs and p-type MOSFETs. A compact model based on the MIT virtual source model is then revised to capture the unique behaviors of 2D-material-based MOSFETs, including voltage dependency of virtual source velocity and drain-induced barrier lowering, as well as the effect of quantum capacitance. HSPICE circuit simulations are performed to analyze and optimize CMOS digital benchmark circuits. The case study demonstrates that 2D material-based transistors favor a different range of supply voltage and threshold voltage than their silicon counterpart, to achieve the optimal energy-delay product. The impact of contact resistance is also analyzed using the proposed framework. This study offers a seamless multi-level simulation approach to bridge the gap between nanoelectronics and circuit behavior, thereby advancing the understanding of materials, devices, and circuits comprehensively. The framework tailored for GeH MOSFETs provides accurate device-circuit co-optimization which can be easily extended to devices based on other 2D materials.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».