심층신경망을 이용한 3D Vertical SONOS NAND Flash의 Grain Boundary Distribution과 Geometrical Variation에 의한 전기적 특성 변동 분석

Abstract

Planar 형태의 NAND Flash memory의 Scaling down의 한계로 3D Vertical Silicon-Oxide-Nitride-Oxide-Silicon (SONOS) NAND가 개발되었다. 3D Vertical SONOS NAND로 한정된 크기의 wafer에서 많은 transistor를 적층하여 planar type보다 더 많은 memory capacity를 확보할 수 있다. 하지만 vertical 구조로 변경되면서 공정 난이도 상승과 함께 공정에 소모되는 비용이 증가했다. 그래서 공정에 투입되는 비용을 줄이고 소자의 전기적 특성을 빠르고 정확하게 예측하는 기술의 필요성이 대두되었다. 본 논문에서는 TCAD simulation과 딥러닝을 통해 3D Vertical SONOS NAND의 polysilicon grain boundary distribution (Max-angle, Ycut, Xseed, Yseed, Aseed)과 geometrical variation (Width, Lcg)에 따른 전기적 특성 (Vtgm, Vti) 변동을 예측하고 분석했다. TCAD simulation 결과값을 바탕으로 학습한 딥러닝을 통해 전기적 특성을 예측했고 매우 높은 수치의 R2 score (Vtgm R2 score = 0.997, Vti R2 score = 0.999)로 TCAD simulation 결과값에 수렴한다는 것을 알 수 있다. 또한 SHapley Additive exPlanations (SHAP) value를 통해 input parameter의 중요도를 평가한 결과 Ycut과 Xseed parameter가 전기적 특성 변동에 가장 많은 영향을 준 것을 확인했다.