SCI Библиотека
SciNetwork библиотека — это централизованное хранилище научных материалов всего сообщества... ещё…
SciNetwork библиотека — это централизованное хранилище научных материалов всего сообщества... ещё…
С использованием средств TCAD проведена оценка влияния радиационного воздействия в диапазоне доз 20кРад - 1000кРад и толщины подзатворного окисла на сдвиг порогового напряжения и чувствительность пМОП-дозиметра на базе КМОП-технологии с изоляцией LOCOS, в котором роль подзатворного окисла выполняет толстый изолирующий слой (FOXFET). Модель FOXFET сформирована в TCAD посредством моделирования КМОП-технологического маршрута с проектными нормами 0.6 мкм. Результаты моделирования показали, что чувствительность падает с ростом дозы облучения, наибольший спад наблюдается при малых дозах до 50 кРад, при дальнейшем увеличении дозы вплоть до 1000кРад наблюдается плавное снижение, которое можно объяснить постепенным насыщением ловушек в окисле зарядом. Существенный рост чувствительности прибора наблюдается с ростом толщины окисла. С помощью моделирования также рассчитаны зависимости чувствительности дозиметра от режимов формирования локального окисла.
Современные системы автоматизации проектирования разрабатываются с использованием графических интерфейсов пользователя. Применение таких интерфейсов позволяет упростить и ускорить разработку устройств. В данной работе рассматривается проблема разработки алгоритмов визуализации, необходимых для создания инструмента графического проектирования цифровых интегральных схем на вентильном уровне. Предложена графовая модель представления схемы как основа для разработки алгоритмов. Рассмотрены алгоритмы размещения и трассировки, необходимые для построения графического представления схемы. Упомянутые алгоритмы реализованы в виде программного модуля на основе разработанной графовой модели. Представлены результаты работы программного модуля для некоторых схем из набора ISCAS’89.
Предложен алгоритм автоматизации процесса электронного проектирования на основе ATPG и методов нейронной сети. Получены данные об откатах для всех неисправностей типа stuck-at-0 и stuck-at-1. Достигнут оптимальный набор тренировочных данных для максимальной производительности нейронной сети. Отмечено, что предлагаемый метод обучения требует меньшего общего количества откатов для всех неисправностей в рассматриваемых схемах.