Investigating the Performance of Sub-10-nm WSi<sub>2</sub>N<sub>4</sub> MOSFETs With Native Dielectric Through a Machine Learning Tight-Binding Framework
Notice bibliographique
Résumé
Monolayer WSi2N4has emerged as a promising 2-D semiconductor for high-performance ultrascaled MOSFETs. In this work, we use machine learning techniques to generate a sparse tight-binding (TB) Hamiltonian and evaluate the performance of sub-10-nm n-type and p-type WSi2N4MOSFETs with native Si3N4as the gate dielectric. To validate our approach, we compare theI–Vcharacteristics generated by our machine learning TB (MLTB) model with those obtained from a TB model using the maximally localized Wannier function (MLWF) approach for a monolayer HfS2MOSFET, demonstrating excellent agreement. Our results show that both n-type and p-type WSi2N4MOSFETs meet the International Roadmap for Devices and Systems (IRDS) 2022 ON-current (Ion) target for high-performance (HP) applications at channel lengths (Lch) of 5–10 nm. For high-density (HD) applications, n-type and p-type devices can be scaled down to 7 and 8 nm, respectively, while maintaining IRDS compliance. At a 10-nm channel length, n-type devices achieve a higherIonthan p-type devices, while both exhibit comparable subthreshold swing (SS) close to the 60-mV/dec limit at room temperature. However, asLchdecreases, n-type devices experience greater SS degradation than p-type devices due to enhanced source-to-drain tunneling, allowing p-type devices to outperform at shorter channel lengths. In addition, transport simulations reveal directionally isotropic carrier behaviors in WSi2N4. These findings underline the potential of WSi2N4for next-generation ultrascaled transistors and showcase the utility of machine-learning-based approaches in modeling devices constructed with novel 2-D 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».