用于表征个体氧化物缺陷的基于机器学习的工具

描述了一种用于表征半导体器件中的氧化物缺陷的方法。基于时间分辨的SILC数据，深度缩放的FET器件的活性氧化物缺陷总数和每一缺陷的特性可被确定。漏电流中的离散变化对应于单个缺陷的切换。贝叶斯启发算法被用来提取不同的电流电平，并且实验数据通过滤除噪声来被量化成这些所提取的电流电平。电流电平的演化对应于马尔可夫链。缺陷电流通过使用近邻传播算法对转移概率和电流电平的绝对差进行聚类来被提取。开发了一种最大似然估计器来提取基础漏电流。最后，缺陷电流被用来重构实验数据，并且其成为各个体缺陷的活动的解卷积提供相应的时间常数。