详解SPICE器件模型的分类

文章来源：SPICE模型

原文作者：若明

本文介绍了SPICE器件模型分类以及模型参数的抽取方法。

今天我们来聊聊工程师在仿真时比较关注的问题。众多的器件模型，我在仿真的时候到底应该怎么选择一个器件的模型？我使用的这个器件模型的精确度够吗？我自己能否做一个器件模型来支持我的电路仿真？要想探究这些问题，我想我们有必要先了解一下器件模型工程师他们是怎么做出一个模型的。

一般来讲，器件模型工程师会经历以下一些工作任务：1. 器件模型的选择；2. 器件特性数据的测量；3. 测量数据的选择和正确性验证；4. Baseband / RF模型参数的抽取；5. 器件特殊应用参数的抽取；6. 器件模型QA；7. 相关说明文档撰写。下图是Keysight(是德科技)给出的器件建模完整的解决方案，总的来讲就是从测量到模型参数抽取再到模型验证。

是德科技器件建模解决方案

器件模型分类

影响电路仿真精度的因素有很多，比如：电路中使用的元件模型的精度；仿真器本身算法的精度（基本作为一般的用户只能接受）；在原理图上并未考虑导线的影响，但在实际情况下导线作为传输线是需要被考虑的。

我们今天先只谈谈模型的精度。影响一个模型精度的因素通常有：模型公式本身的精度；模型适用范围的限制（如：电压，电流，温度，功率等）；某些效应未包含在模型公式里面（如：短沟道效应，自热效应，陷阱效应等）。

我们在很多文献里面看到Copact Model, Macro Model, Behavior Model, Measurement-based Model。那这些又是什么意思呢？

Compact Model (紧凑型模型)

一般采用解析、半经验或经验表达式模拟器件的 I-V 特性、C-V 特性等。往往建模过程中需要对模型公式进行一定的简化来达到简化计算过程。紧凑型模型具有计算速率高、数据平滑、收敛性好及易于在电路仿真器中集成等优点。一般又可将紧凑型模型分为经验模型和物理模型。

1）经验模型：这些模型在不考虑其物理操作机制的情况下模拟器件，并且通常使用数学拟合方法来实现。他们的相关模型参数没有直接的物理意义。这些模型的优点是它们简单且耗时较少，但相对来说它们的准确度会比物理模型低。

2）物理模型：这些模型基于半导体物理学。通过用一些简化求解得到的物理方程来获得器件电学和热学行为的描述。常见的物理模型又可分为：基于阈值电压的模型，基于表面势的模型和基于电荷的模型。以MOSFET和GaN HEMT为例，BSIM3, BSIM4就是基于阈值电压的模型，其核心理念是对阈值电压的核心公式进行修正。PSP, ASM-HEMT是基于表面势的模型，而BSIM6, MVSG是基于电荷的模型。物理模型的参数具有明确的物理意义，可以表征不同的器件效应，而且可以在器件参数级别考虑电路设计。换句话说，设计变量可以直接包括器件尺寸，材料和工艺相关参数，模型扩展性较强，模型精度也很高。但是想要建立纯粹的物理模型是件相对困难的事情，目前研究的大部分模型都或多或少引入了经验参数，以表征器件的一些高阶物理效应。

Macro Model (宏模型)

宏模型，有些文章中也叫Subckt Model(子电路模型)，是利用仿真器内部已有标准元件进行模型的构建，通过合理地构造电路拓扑结构和调整标准元器件参数来进行器件工作特性的表征。宏模型属于高层次的模型，主要用来解决大规模集成电路(IC)和复杂的电路系统仿真时由于电路体积过大，而造成的仿真速度变慢和精度降低的问题。但是通过已有模型构建模型，只适用于特定器件的建模，而且很容易出现仿真不收敛。下图为IGBT器件的一个例子，我们可以用已有的BJT, MOSFET, DIODE的模型，根据IGBT的结构，搭建如图所示的子电路模型来表征IGBT的特性。

Behavior Model (行为模型)

行为模型是完全忽略器件本身的内部结构和电路结构，只对系统的输入输出特性进行分析，组合使用数学方程，表格，受控源，子电路等形式建模。其特点是：只需要考虑器件的输入输出特性，而不考虑器件本身内部工作物理过程，可以简化建模过程。比如，Keysight ADS中的SDD模型；Keysight ICCAP中提出的ANN模型；PSPICE中提出的基于ABM的模型。

Measurement-based Model (基于测量的查表模型)

查表模型就是将器件的各种测试数据，利用样条函数插值或者神经网络建模方法得到测试数据中间的值，然后利用这些数据，建立相关的参数表格，建立以表格形式呈现的器件模型。由上可知，此建模方法简单，开发周期短，但模型往往只对测试范围内的数据有效，这大大影响了模型的精确度。例如，ROOT FET模型，它通过测量DC(Id-Vd)和小信号Spar(只有一点的频率)，导出状态函数，然后用ADS的三次样条进行插值计算。

器件模型的选择

在很多仿真器中，提供了很多的器件模型可供选择，而且我们自己建模或抽取模型参数的时候，第一步就是要选择适合的模型。那我们应该怎样选择模型呢？我觉得大的原则是：先工艺平台，再模型种类；先简单，再复杂；先一般特性，再二阶效应。

如下图所示，我们从大的工艺来讲分为硅基工艺和化合物工艺。每种工艺都会有不同的器件结构，而且即便是硅基工艺也会有差异，比如，MOSFET有CMOS工艺对应的模型为BSIM3, BSIM4；BCD高压工艺对应的模型为HiSIM；SOI工艺对应的模型为BSIM SOI；FinFET工艺对应的模型为BSIM-CMG。

具体以ADS中MOSFET选择为例。这里列出了4种器件模型: SwitchV, MOS_GENERIC_N, MOS_GENERIC_PE, PowerMOS_SiC_3N。SwitchV是一个Behavior Model，只能表征器件的开关特性，作为开关使用时可用，模型精度非常差。MOS_GENERIC_N是一个Behavior Model，可以表征器件的IV, CV特性，但是不包含温度特性。MOS_GENERIC_PE是一个Compact Model，除了IV, CV特性外，还表征了Body Diode反向恢复特性。PowerMOS_SiC_3N是一个Compact Model，其表征能力是最强的，除了表征IV, CV, 反向恢复特性外，它还能表征器件的动态特性和温度特性及Self-heating效应。

器件模型参数的抽取

了解了模型的分类及如何选择模型之后，我们想要尝试做一个器件模型，可以参考以下的流程。

器件模型参数抽取流程

测量

测量是第一要务，任何精确的模型都建立在精确的测量之上。要想准确地提取出器件不同特性的模型参数，就需要设计相对应的测试结构并测试对应的数据。这里有一些测量项可供参考：

模型参数提取

举个最简单的电阻模型的例子。假设有一组测量的电流电压 (I, V) 的数据，符合线性关系，测试数据如图所示，V和I之间的关系可以通过一个直线方程I=V/R来描述。通过调整R参数，在R=R0时可以得到与数据点拟合最好的结果。

电阻模型参数抽取示例

对于MOSFET, BJT和Diode等半导体器件的建模也是一样的概念，只是描述这些器件特性的方程更为复杂。实际工业应用中，半导体器件大多已有标准可用的方程，如BSIM3和BSIM4等，只需要进行参数提取即可。

参数提取分为两个部分，第一步是初值提取，对于具有明确物理意义的参数这一步直接关系到整个提参过程。我们需要根据参数的实际物理意义，通过简化方程，并在相应的参数数据处找到特殊的数据点代入方程，求出参数初值。第二步是在专用提参软件中对参数进行优化（目前，业界采用较多的模型参数提取软件有 Keysight公司的 MBP (Model Builder Program)和 IC-CAP (Integrated Circuit Characterization and Analysis Program) 、Cadence 公司的 BSIMpro、七维高科公司的 1stopt 等，都具备自动参数提取和优化功能，并可以进行一定的仿真和辅助测试工作）。在实际的参数抽取过程中，我们会用到一些参数抽取的方法，包括：Tuning（手动调谐），Extraction（抽取），Optimization（优化）。而且这些过程是反复迭代的，直到仿真和测量达到预期的误差范围以内。一般采用先手动Tunning, 找到一个比较合理的初值，然后再用优化算法（常用Levenberg-Marquardt ）在规定范围内进行进一步优化，以确保参数精确且合理。优化的策略一般分为局部优化和全局优化，在实际优化过程中往往是两种优化策略结合使用。

ICCAP GaN HEMT器件模型参数抽取包界面