双极型晶体管总剂量效应的统计特性*

李顺 宋宇 周航 代刚 张健

1) (中国工程物理研究院微系统与太赫兹研究中心, 成都 610200)

2) (内江师范学院物理与电子信息工程学院, 内江 641112)

3) (电子科技大学电子科学与工程学院, 成都 611731)

4) (中国工程物理研究院电子工程研究所, 绵阳 621000)

双极型晶体管的总电离剂量辐照效应主要体现在基极电流(IB)的退化, 其作用机理是电离辐射在SiO2中及Si/SiO2界面作用导致的氧化物陷阱电荷面密度(Not)和界面陷阱电荷面密度(Nit)的增长.本文基于定制设计的栅控横向PNP晶体管, 开展了大样本、多剂量点的电离总剂量效应实验, 获得了双极型晶体管IB, Not, Nit的分散性及其随总剂量变化的统计特性, 初步建立了晶体管损伤分散性与Not分散性的关联.该研究成果可以有效支撑双极型电路辐射可靠性的机理研究与定量评估.

1 引 言

由于半导体器件制造过程中存在材料的不一致性和工艺的波动性, 即便是同一厂商、同一批次的半导体器件, 其电学参数也具有样本间分散性(sample-to-sample variability).这种分散性可以通过统计特性描述.半导体器件的分散性可分为自身因素导致的本征分散性 (intrinsic variability)和外部因素导致的外在分散性 (extrinsic variability)[1].自身因素是由器件之间原子级差异造成的, 主要来源包括掺杂分布、边缘粗糙度和膜厚变化.外在因素的主要来源包括工艺波动和不同位置、不同损耗、不同使用条件引起的器件性能波动等[1].

运算放大器等硅基双极型器件是电子产品中常用的关键元器件.在卫星等空间应用条件下, 由于受到电离辐射, 会产生总电离剂量(total ionization dose, TID)效应.由于上述自身因素和外部因素的影响, 双极器件的总剂量效应也会呈现一定的分散性.文献[2−10]研究了不同制造商、不同批次、不同晶圆、不同芯片、不同晶体管导致的双极器件总剂量效应的分散性.文献[3]对总剂量辐照下电压比较器LM111、LM211和LM311的输入偏置电流的分散性进行了研究, 发现不同制造厂家的效应差距可达100倍之多.文献[5]研究了108 A运算放大器及其单管的批次间、晶圆间、芯片间分散性, 发现可以通过测试更低层级器件获得运算放大器的良率.文献[6, 7]对国家半导体(National Semiconductor)公司多种型号放大器的总剂量效应分散性进行了研究, 发现器件间分散性、晶圆间分散性显著大于沟道间分散性.文献[8]研究了多种放大器(LM111/LM124/OP-27/OP-484/RH1014/RH1056)批次间分散性受中子辐射的影响.我们最近的研究表明, NPN和PNP型双极器件的中子-伽马辐照协同效应(irradiation synergistic effect)具有显著的样本间分散性, 该分散性支撑实现了协同效应对初始位移损伤依赖性的自洽建模[11,12].双极型器件的基本组成单元是双极型晶体管, 其辐射分散性是器件统计特性的基础, 但当前研究尚未深入到晶体管层次, 对晶体管总剂量效应的统计特性及其来源缺乏清晰的认识.

本文基于双极晶体管总剂量效应的微观机理,设计并制备了用于辐射敏感参数测试的栅控横向PNP晶体管(gated lateral PNP, GLPNP), 开展了大样本晶体管的多剂量点总剂量辐照效应实验和测试, 研究了晶体管基极电流(base current,IB)、氧化物陷阱电荷面密度(Not)、界面态陷阱电荷面密度(Nit)在总剂量辐射下的分散性及变化.研究获得了晶体管及材料层级的总剂量效应统计特性,分析了总剂量效应分散性的晶体管-材料关联, 从电离缺陷的微观角度解释了晶体管总剂量效应分散性的物理起源.

2 实验设计

双极型晶体管总剂量效应主要体现在基极电流(IB)的退化, 其微观作用机理为电离辐射在SiO2材料中和Si/SiO2界面上作用积累的氧化物陷阱电荷面密度和界面态陷阱电荷面密度的变化[13,14].为了研究晶体管IB总剂量效应分散性的微观起源,我们设计并制备了GLPNP晶体管结构.GLPNP的结构和参数如图1和表1所示.其主要结构为横向PNP晶体管, 并在基区上覆盖一个金属电极, 从而可以施加栅极电压.通过改变栅极电压调节基区表面势, 可以使得表面实现反型、积累、耗尽等状态, 从而实现P型金属氧化物半导体场效应晶体管(PMOSFET)的栅控特性.通过该栅控结构的栅扫描(gate sweep curve, GS)曲线和亚阈值扫描(sub-threshold sweep, DS)曲线的测试可获得与IB对应的Not和Nit的大小[15−17], 从而探索晶体管基极电流分散性和缺陷面密度分散性的关联.

图1 GLPNP器件的结构示意图Fig.1.Structure of the GLPNP transistor.

表1 GLPNP的结构尺寸参数Table 1.Structure parameters of the GLPNP transistor.

选取同一批次的GLPNP共40只, 在0.6 krad(Si), 2.6 krad(Si), 4.0 krad(Si), 7.4 krad(Si), 10.8 krad(Si)等5个总剂量点进行序贯电离辐射实验.辐射源为北京大学的60Co装置, 中心剂量率大于300 rad(Si)/s.为了保证40个样本试验剂量率的均匀性, 将每4只单管封装在一起(双排直插), 并将10个封装叠成三排嵌入辐照板内, 在离辐射源较远的位置进行辐照, 剂量率为3.4 rad(Si)/s.此时, 40只单管几乎分布在以辐射源为中心的圆弧上, 从而保证剂量率的均匀性.实验过程中器件所有管脚空载, 辐照到上述剂量点后进行离线测试.通过测试Gummel特性曲线(即基极、集电极零偏, 发射结施加正偏扫描电压)获得GLPNP基极电流大小随基区-发射极电压(VBE)的变化规律,读取VBE= 0.6 V时基极电流数值, 记录为IB.辐射感生缺陷面密度Not与Nit的提取从GS和DS曲线上获得.GS曲线的测试方法为固定发射结电压为0.5 V, 集电极与基极均零偏, 栅极电压从5 V扫描到–40 V.此时, GS曲线上峰值电流对应的栅极电压为平带电压, 该电压在辐照前后的变化即为Not导致的栅压变化[17].由于在辐照过程中同时释放和湮灭质子, 质子处于准平衡状态, 其浓度在该测试结果中的比重很小, 可以忽略.DS曲线即PMOSFET对应的转移特性曲线.固定发射结电压1 V, 其余电极零偏, 栅压从5 V扫描到–40 V,获得转移特性曲线.从各个剂量点的转移特性曲线上提取阈值电压的变化值, 该差值即为Not和Nit共同导致的阈值电压漂移总量[15,16].该值减去前面求得的Not导致的平带电压漂移量, 可获得Nit导致的阈值电压漂移量, 即实现Not与Nit的分离测试.辐照、测试的实验温度均为室温.包含跳线在内, 完成一只器件的以上所有测试大约需要60 s,完成所有40只器件的所有测试的时间在一个小时以内.这种测试符合GJB548B/MIL-STD-883G关于总剂量辐照实验的要求.另外, 李兴冀等[18]的研究结果表明128天的室温退火也仅造成很小的Not退火, 且不同于氧化物陷阱电荷, 界面陷阱在室温下不退火[19].因此, 不同样本间的不同测试时间间隔不会导致显著的样本间分散性.

3 实验结果与理论分析

3.1 基极电流的统计特性分析

实验获得的不同总剂量条件下40只GLPNP样本的基极电流的统计分布见图2.可以看到, 基极电流的分布是不对称的.当总剂量较小时, 较多的样本分布在中值的右侧; 总剂量较大时, 较多的样本分布在中值的左侧.对于4.0 krad(Si)的总剂量, 分布基本对称.研究发现这些分布均满足对数正态分布(lognormal distribution)[20], 其概率密度函数(probability distribution function)为

其中,µ为中位数,σ为标准差,A为归一化常数.拟合曲线如图2中红线所示, 可见拟合度较高.拟合获得的µ和σ分别画为图3(a)和图3(b)中的黑点.我们也分析了辐照前基极电流的统计特性, 其大小满足高斯正态分布.

图3 分布参数 (a) µ 和 (b) σ 随总剂量的变化规律Fig.3.Statistical parameters (a) µ and (b) σ as a function of the total dose.

由图2可以看出, 不同总剂量条件下基极电流均满足对数正态分布, 但分布的具体参数随总剂量的增大发生了变化.其中分布中位数µ随总剂量增大而单调增大, 初始阶段呈现亚线性增长趋势, 分布标准差σ随总剂量增大表现出振荡行为.

图2 不同总剂量条件下GLPNP基极电流的分布特性Fig.2.Statistical characteristics of the base current of GLPNP under different total doses as indicated in each subfigure.

3.2 基极电流分散性的起源分析

以往的研究表明, 电离辐射造成的晶体管基极电流有两个分量[21,22], 一个是空间电荷区表面的复合电流, 一个是中性基区表面的复合电流.前者起源于发射极-基极(EB)结空间电荷区表面Nit对载流子的复合作用, 表达式为[21,23]

后者起源于中性基区表面的载流子复合作用, 其表达式为[22,23]

其中, ∆s(s–1)是Nit(cm–2)造成的表面复合速率[24,25];PE(cm)是发射极周长;Em(V/cm)是E-B结空间电荷区的最大电场, 大小由表面电荷浓度ns(cm–2)决定;ns的大小由Not(cm–2)唯一决定[22];WB(cm)是发射极到集电极之间的宽度.电离诱导基极复合电流是表面电势ψs的函数[23].

从该模型可以看出, GLPNP基极电流的总剂量效应分散性可以起源于多种因素.电离缺陷方面,Not(决定ns和Em)和Nit(决定 ∆s)可能由于氧化物和界面中缺陷前驱体初始浓度及分布的不同、氢分子浓度的不同[26], 表现出显著的分散性,从而造成基极电流的统计特性; 器件结构和掺杂方面, 由于制备工艺, 基区掺杂浓度、基区宽度等可能存在样本间分散性, 也造成基极电流的样本间分散性和统计特性.本工作重点关注电离缺陷的影响, 通过GLPNP测试获得Not和Nit的统计特性,从而探索它们对IB统计特性的贡献.

3.3 电离缺陷的统计特性及其与基极电流的关联分析

与图2中IB对应的Not,Nit分布如图4和图5所示.图4和图5中的(a)—(e)分别为不同总剂量条件下40只晶体管的实验结果, 注意图5中Nit的单位是109cm–2, 不同于图4 中Not的单位(1010cm–2).研究发现,Not和Nit两类缺陷的面密度也满足对数正态分布, 随总剂量增大,Not,Nit的对数正态分布形貌未发生变化, 但分布参数发生变化.为方便对比, 刻画分布的中位数µ和标准差σ也画在图3中, 见红点(Not)和蓝点(Nit).辐照前的Nit满足高斯正态分布, 由于所用样品电容过小,无法获得辐照前Not的数值.

图4 不同总剂量条件下Not的分布特性Fig.4.Statistical characteristics of Not under different total dose irradiations.

图5 不同总剂量条件下Nit分布特性Fig.5.Statistical characteristics of Nit under different total dose irradiations.

从图3可以观察到几个重要信息.第一,Not比Nit大若干倍, 表明该剂量率下GLPNP中的电离缺陷以氧化物陷阱电荷为主, 氧化物陷阱电荷向界面陷阱电荷的转化较少.当剂量率下降时,Nit所占比重会逐渐增大, 甚至超过Not的比重[27].第二,两类缺陷面密度的统计中位数µ均随总剂量增大而单调增大.不同的是,Not中位数的增长是亚线性的,Nit中位数的增长表现出轻微的超线性.两种不同的非线性起源于非晶二氧化硅中Not产生与Not-Nit转化两种机制的相互作用[27].该作用造成一个非单调的干涉项.在Not中该项为正, 导致Not呈现出对总剂量的亚线性依赖; 在Nit中该项为负,使得Nit表现出对总剂量的超线性依赖[27].第三,两类缺陷的统计标准差σ随总剂量变化呈现非常不同的特性.Not的统计标准差随总剂量增大而振荡, 而Nit的统计标准差随总剂量增大几乎单调增大.

可以通过对比IB,Not,Nit的统计特性来分析晶体管基极电流分散性与氧化物电离缺陷分散性之间的关联.在图3中可以清楚地看到, 统计中位数方面,IB对总剂量的亚线性依赖与Not的依赖性相同, 而与Nit的超线性依赖不相同.同时, 统计标准差方面,IB随总剂量振荡的行为与Not的行为非常相似, 而非常不同于Nit的单调增长行为.这些强烈关联的行为意味着在本文研究的对象和剂量率条件下,IB主要起源于Not的贡献, 因而IB的分散性主要由Not的分散性决定.Not的大小主要由缺陷前驱体的浓度决定, 因而可以通过控制缺陷前驱体浓度的分散性来保证IB的样本间均一性, 从而生产高质量的双极器件.

4 结 论

本文对双极型晶体管总剂量效应的统计特性进行了研究, 基于同批次、多样本定制栅控晶体管的多总剂量点伽马辐照实验获得了器件基极电流大小、氧化物陷阱电荷面密度、界面陷阱电荷面密度的对数正态分布特性, 以及统计中位数和标准差随总剂量增长的变化规律.研究发现, 基极电流总剂量效应的统计特性与氧化物陷阱电荷的统计特性存在很强的相似性和关联, 而与界面陷阱电荷的统计特性非常不同, 意味着在本文研究的对象和剂量率条件下,IB主要起源于Not的贡献, 因而IB的分散性主要由Not的分散性决定.该研究成果将微电子器件辐射分散性的研究深入到晶体管和材料层次, 可以有效支撑基于物理模型的辐射可靠性机理研究与定量评估.