Upload
onera
View
0
Download
0
Embed Size (px)
Citation preview
M :
Institut Supérieur de l’Aéronautique et de l’Espace (ISAE)
Génie Electrique, Electronique et Télécommunications (GEET)
Etude et modélisation des mécanismes de transport et de collection decharges dédiées à la prédiction de SEE dans les technologies fortement
intégrées
jeudi 20 octobre 2011Laurent ARTOLA
Génie électrique
Pascal FOUILLAT, Professeur Université BordeauxLorena ANGHEL, Professeur Université Grenoble
Guillaume HUBERT, Ingénieur de recherche ONERA
ONERA - DESP
Thierry CAMPS, Professeur LAAS-CNES, Président du juryFrançoise BEZERRA, Ingénieur CNES, Examinateur
David TRUYEN, Ingénieur de recherche, Examinateur
3
Sommaire INTRODUCTION.................................................................................................................... 7
CHAPITRE 1 : ...................................................................................................................... 11
UN VECTEUR DE DEFAILLANCE DANS LES TECHNOLOGIES MOS................... 11
I. DESCRIPTION DE L’ENVIRONNEMENT RADIATIF, SPATIAL ET
ATMOSPHERIQUE.............................................................................................................. 13
1. L’ENVIRONNEMENT RADIATIF SPATIAL ...................................................................... 13
2. L’ENVIRONNEMENT ATMOSPHERIQUE........................................................................ 18
II. DU RAYONNEMENT A LA DEFAILLANCE SEE.................................................. 19
1. LE SINGLE EVENT TRANSIENT, SET .......................................................................... 22
2. LE SINGLE EVENT UPSET, SEU .................................................................................. 24
III. LA PREDICTION DES SEE .................................................................................... 27
1. ETAT DE L’ART DES MODELES DE PREDICTION SEE .................................................. 27
2. PLATEFORME MUSCA SEP3 ...................................................................................... 32
3. MODELISATION DES COURANTS TRANSITOIRES.......................................................... 34
CHAPITRE 2 : ....................................................................................................................... 39
LA TECHNOLOGIE MOS : UNE EVOLUTION ET DES DEFIS PERMANENTS..... 39
I. LES TENDANCES D’EVOLUTION DES COMPOSANTS MOS........................... 41
1. EVOLUTION DES PRINCIPAUX PARAMETRES DES STRUCTURES MOS ........................ 43
2. STRUCTURES INNOVANTES ET PERSPECTIVES POUR LA TECHNOLOGIE MOS........... 55
II. EVOLUTION DE LA SENSIBILITE SEE AVEC L’INTEGRATION
TECHNOLOGIQUE ............................................................................................................. 57
1. UNE SENSIBILITE SEE CROISSANTE AVEC L’INTEGRATION TECHNOLOGIQUE ......... 57
2. DURCISSEMENT AUX SEE : LA TECHNOLOGIE FINFET ET SOI ................................ 59
III. LA ROADMAP TECHNOLOGIQUE, UN OUTIL NECESSAIRE POUR LA
PREDICTION ........................................................................................................................ 61
CHAPITRE 3 : ....................................................................................................................... 63
4
ETUDE PAR SIMULATION TCAD DES MECANISMES PHYSIQUES DE LA
REPONSE TRANSITOIRE.................................................................................................. 63
I. PRINCIPE DE FONCTIONNEMENT DE LA SIMULATION COMPOSANT
TCAD....................................................................................................................................... 64
II. ETUDE DES MECANISMES PHYSIQUES CARACTERISANT LA REPONSE
TRANSITOIRE D’UNE JONCTION P/N........................................................................... 69
1. CAS D’UN ION COURT-CIRCUITANT LA JONCTION PN ................................................ 69
2. CAS D’UN ION ELOIGNE DE LA JONCTION PN.............................................................. 72
III. IMPACT DES PARAMETRES TECHNOLOGIQUES SUR LA REPONSE EN
COURANT.............................................................................................................................. 74
1. ETUDE D’UNE JONCTION N+ P ACADEMIQUE.............................................................. 75
2. ETUDE D’UNE JONCTION N+ P TECHNOLOGIQUE (90 NM BULK) ................................. 78
3. ETUDE COMPORTEMENTALE DE LA ZONE DEPLETION D’UNE JONCTION N/P............ 84
IV. CRITIQUE DU MODELE CLASSIQUE DE DIFFUSION .................................. 87
1. CRITIQUE DU MODELE DE DIFFUSION AMBIPOLAIRE CLASSIQUE............................... 87
2. CRITIQUE DU MODELE DE COLLECTION CLASSIQUE .................................................. 89
V. SYNTHESE..................................................................................................................... 90
CHAPITRE 4 : ....................................................................................................................... 91
DEVELOPPEMENT D'UN MODELE DE COURANT TRANSITOIRE DEDIE AUX
TECHNOLOGIES FORTEMENT INTEGREES .............................................................. 91
I. PRINCIPES DU MODELE........................................................................................... 92
1. MODELISATION DYNAMIQUE DE LA DIFFUSION AMBIPOLAIRE .................................. 93
2. MODELISATION DYNAMIQUE DE LA COLLECTION DE CHARGES ................................ 99
3. IMPACT DES CARACTERISTIQUES DE L’ION SUR ADDICT ....................................... 102
I. IMPACT DU LET ................................................................................................. 102
II. IMPACT DE LA LOCALISATION DE L’ION........................................................................... 105
4. DESCRIPTION TECHNOLOGIQUE DU COMPOSANT MOS DANS ADDICT ................. 108
II. VALIDATION DU MODELE I(T) PROPOSE PAR ADDICT............................... 113
5
1. COMPARAISONS EXPERIMENTALES........................................................................... 113
2. COMPARAISONS AVEC DES SIMULATIONS TCAD 3D DE STRUCTURE SIMPLE : UN
TRANSISTOR ....................................................................................................................... 117
3. MODELISATION DE STRUCTURES COMPLEXES A PLUSIEURS TRANSISTORS............. 122
III. SYNTHESE : ADDICT UN MODELE DEDIE A LA PREDICTION SET ET
SEU DE COMPOSANTS CMOS ....................................................................................... 127
CHAPITRE 5 : ..................................................................................................................... 129
MISE EN PLACE D'UNE APPROCHE PREDICTIVE DEDIEE A L'ESTIMATION
DE RISQUE SEU OPERATIONNEL................................................................................ 129
I. MODELISATION SEU DANS LES MEMOIRES SRAMS.................................... 130
II. SECTION EFFICACE SEU DE MEMOIRES SRAM............................................. 132
III. PREDICTION OPERATIONNELLE SEU / MCU DANS DES MEMOIRES
SRAM 90 NM BULK EN ENVIRONNEMENT RADIATIF ATMOSPHERIQUE...... 138
1. PRESENTATION DU PROJET BALLTRAP ................................................................. 139
2. METHODOLOGIE MUSCA SEP3 / ADDICT............................................................ 140
I. CONSTRUCTION DU MODELE TECHNOLOGIQUE 90 NM CYPRESS ............................... 142
II. CONSTRUCTION DU MODELE SEU..................................................................................... 145
3. PREDICTION OPERATIONNELLE ................................................................................ 149
I. COMPARAISON DES DONNEES ISSUES DE VOL BALLON ............................................. 150
II. COMPARAISON DES DONNEES ISSUES DU VOL AVION ................................................... 151
III. IMPACT DE L'IONISATION DIRECTE DES PROTONS .......................................................... 152
4. BILAN DES CALCULS D'ESTIMATION DE RISQUES SEU/MBU................................... 153
CONCLUSION GENERALE ............................................................................................. 155
LISTE DES ACRONYMES ................................................................................................ 159
REFERENCES ET BIBLIOGRAPHIE............................................................................. 161
LISTE DES PUBLICATIONS ET COMMUNICATIONS ............................................. 174
PRIX ET CONTRIBUTION A LA COMMUNAUTE RADIATION .............................. 177
7
Introduction
Les systèmes électroniques soumis à un environnement radiatif peuvent être l'objet de
perturbations électriques. Historiquement, la problématique électronique rayonnements est
apparue dans les années 1970 dans le cadre des applications militaires. Un cas particulier
important, pour les dispositifs électroniques, est celui des ions dont l'énergie cinétique est de
plusieurs centaines ou milliers de keV. Ces ions ont la propriété d'exciter les électrons au
voisinage de leur trajectoire pour créer finalement une colonne des paires électron-trou. La
présence de ces paires électron-trou dans un composant est la cause de perturbations
électriques. Il peut se produire, soit la création de chemins conducteurs entre deux zones
initialement non-conductrices, soit l'apparition de courants induits par collection à différentes
électrodes. Ces phénomènes, induits par un unique ion, sont regroupés sous le sigle de Single
Event Phenomena (SEP) ou Single Event Effect (SEE). Parmi l'ensemble de ces anomalies,
figure l'aléa logique (ou Single Event Upset : SEU) qui correspond au changement d'état
logique d'un point mémoire lors du passage de la particule ionisante. Ce changement
accidentel de niveau logique dans une mémoire est réversible. Tout composant électronique
possédant des points de mémorisation est sensible au SEU.
Dans un premier temps, les phénomènes SEE ont été préoccupants dans
l'environnement spatial à cause essentiellement des ions lourds naturellement présents et
capables de traverser les blindages. L’essor de l’activité spatiale dans les années 1980 a par
conséquent conduit à de nombreuses études sur les SEE et plus particulièrement sur les SEU,
dont une des conséquences directes a été la recherche de solutions de durcissement
technologique et système. Par exemple, au cours des années 80, le satellite TDRS-1 (Tracking
and Data Relay Satellite-1) a enregistré des anomalies de fonctionnement telles que des
chargements d’états de cellules mémoires. Au début des années 90, des SEU ont été mesurés
pour la première fois dans les mémoires électroniques embarquées dans les avions. Les
avionneurs ont ainsi mené des études afin de connaître et comprendre l’origine de ces
dysfonctionnements. Ils ont commencé à développer des outils de prédiction pouvant évaluer
le risque associé à l'utilisation des composants électroniques dans les avions dont l'altitude de
croisière est typiquement de 12 km. L’atmosphère terrestre, bien que constituant une
protection contre le bombardement des rayonnements ionisants directs venus de l'espace, est
le siège, du fait de ce bombardement, de réactions nucléaires produisant différentes particules
qui, à leur tour, peuvent être génératrices d'ions au sein même de la matière. Pour
l'électronique, ce sont principalement les neutrons qui sont en cause. Les réactions nucléaires
8
neutron/noyau et les particules ionisantes secondaires qu’elles produisent sont à l'origine des
SEU dans les mémoires mais plus généralement des effets SEE (on peut énoncer l’exemple
des effets destructifs dans les composants de puissance). Les conséquences de l’intégration
technologique sont telles que depuis quelques années, les effets SEE sont attentivement
étudiés pour les applications au niveau du sol.
Un des axes thématiques majeurs de l'étude et de la maîtrise des SEE concerne le
développement des méthodes prédictives dont les objectifs sont multiples : le support à la
qualification des composants dans la phase de développement des équipements, l'estimation
des risques opérationnels et l'évaluation des tendances du risque SEE avec l'évolution
technologique. La modélisation des SEE est par nature complexe parce qu’entre la particule
incidente et l'effet observé, de nombreux mécanismes physiques interviennent. Le scénario est
le suivant : les particules interagissent avec l’environnement matériau et structurel du
composant ; ces interactions se traduisent par un filtrage du rayonnement incident. Puis, via
des interactions de mêmes natures (coulombiennes et nucléaires), les ions directs ou les
produits secondaires des réactions nucléaires proton/noyau ou neutron/noyau vont générer des
paires électron-trou dans le semi-conducteur. Les paires vont être transportées dans le semi-
conducteur et pouvoir être collectées aux différentes électrodes du dispositif. Ces processus de
collection induisent des courants transitoires au niveau des électrodes qui vont avoir pour effet
de déstabiliser l'équilibre du dispositif.
A l’époque des technologies d'échelles déca/micrométriques, les mécanismes qui
régissaient les processus de collection de charges étaient suffisamment simples pour qu’une
approximation acceptable fût de considérer chaque nœud sensible comme un parallélépipède.
Ce fut l’avènement des approches simplifiées comme le modèle RPP (Rectangular
Parallelepiped Parallelogram). Avec l’évolution technologique et l’émergence des
technologies micro puis nanométriques, les composants numériques se sont profondément
complexifiés, au point de rendre obsolètes les méthodes de prédiction conventionnelles.
L’introduction de nouveaux matériaux, la densification des lignes de métallisation pour
répondre à la complexification des fonctions induisent de nouvelles problématiques SEE
comme par exemple les Single Event Transient (SET). L'évolution technologique a donc
conduit à la nécessité de développer de nouvelles méthodes de prédictions SEE intégrant des
modèles d'effets plus physiques. De fait, l’ensemble des nouvelles générations de méthode de
prédiction SEU modélise plus finement les mécanismes au niveau semi-conducteur, c'est-à-
dire implicitement, les mécanismes de diffusion ambipolaire, de charge-sharing, de court-
circuit et, dans quelques cas, les mécanismes d’injection parasite ou d’amplification. Il
9
apparaît que l'aspect dynamique de la perturbation du composant est un élément qui devient
indispensable, d'une part dans notre compréhension du mécanisme de SEU et d'autre part pour
modéliser la propagation des perturbations SET dans les chaînes logiques.
Les travaux relatifs à cette thèse s'inscrivent dans le cadre d'une collaboration entre l'ONERA
DESP (Département Environnement Spatial) et le CNES (Centre National d’Etudes Spatiales)
ayant pour objectif scientifique majeur de proposer un modèle physique permettant d'estimer
la réponse transitoire I(t) des structures MOS (Metal Oxide Silicon) d'échelle nanométrique.
Ces travaux sont connexes au développement de la plateforme MUSCA SEP3 (Multi SCAle
Single Event Phenomena Predictive Platform), initié à l'ONERA en 2007, et qui repose sur
une modélisation multi physique et multi échelle des SEE. Cette thèse intègre donc deux
objectifs : étudier par simulation composant (TCAD, Technology Computer-Aided Design)
les mécanismes physiques de transport et collection ; proposer un nouveau modèle transitoire
I(t) dédié aux technologies intégrées (90 et 65 nm) et un critère de basculement afin de
réaliser une estimation du risque SEE.
La majorité des systèmes électroniques spatiaux sont constitués de composants
relativement fiables d’ancienne génération. Cependant, l’histoire de la microélectronique a
montré un enrichissement progressif des technologies par la mise au point de procédés
toujours plus performants et par l’arrivée de nouveaux composants et fonctions. Cette
dynamique a pour but de réaliser des systèmes de plus en plus complexes. Cet apport de la
technologie dans l’amélioration des performances des produits et dans la croissance du
marché de la microélectronique est souvent résumé par ce qu’on appelle la loi de Moore, du
nom du fondateur d’Intel. Gordon Moore a observé dans les années 60 un doublement du
nombre de transistors des circuits tous les ans. Même si ce rythme a été depuis réduit à un
doublement tous les deux ans, il reste la tendance de réduction des dimensions du composant
élémentaire de la microélectronique, le transistor. Cette évolution constante est un élément
indispensable à prendre en compte dans la perspective de la caractérisation de la tenue aux
radiations des composants MOS. L’identification des tendances d’intégration est une étape
particulièrement importante dans l’optique du développement d’un modèle de courant
transitoire. En effet, le modèle proposé se basera sur des données d’entrées exclusivement
issues de paramètres technologiques ou physiques.
Dans le chapitre 1, nous présenterons les caractéristiques de l’environnement radiatif
naturel, en détaillant les différents types de particules et leurs origines. Nous nous attacherons
par la suite à présenter les différents types d’erreurs fonctionnelles. La compréhension des
10
mécanismes physiques conduisant à l’apparition des SEE est un élément indispensable dans la
perspective de minimiser ou de prédire leurs effets dans l’électronique embarquée en vol.
Dans une dernière partie, un état de l’art des méthodes de prédiction sera proposé.
Le chapitre 2 présentera d’une part un état de l’art des évolutions technologiques et
d’autre part les tendances de réductions d’échelles des paramètres physiques intrinsèques au
transistor MOS. Ce chapitre soulignera l'influence de l’évolution technologique sur la
sensibilité SEE du composant. Nous montrerons que l’identification de ces tendances
d’intégration est une étape importante dans le développement d’un modèle de courant
transitoire.
Dans le chapitre 3, nous présenterons une analyse basée sur des simulations TCAD
dont l'objectif est d'identifier les mécanismes physiques conduisant à l’apparition d’un courant
transitoire dans une jonction PN. La simulation composant TCAD dont le principe est de
reproduire mathématiquement la fonctionnalité physique et électrique d'un composant permet
d'une part d'étudier les mécanismes physiques et d'autre part d'identifier les paramètres
physiques et technologiques influents. Le second objectif de ce chapitre consiste par
conséquent à identifier les paramètres technologiques qui caractérisent la réponse transitoire
du transistor.
Sur la base des résultats proposés précédemment, le chapitre 4 présentera le modèle
physique développé au cours de cette thèse. Ce modèle nommé ADDICT (Advanced
Dynamic DIffusion Collection Transient) permet d’estimer la réponse transitoire du
composant MOS à partir de sa description technologique. Dans une seconde partie, nous
présenterons comment le modèle permet de répondre aux exigences de la prédiction SEE (ion
lourd, neutron, proton). En effet, nous montrerons sur la base de comparaisons expérimentales
et TCAD, comment ADDICT permet d’estimer la réponse SET du composant MOS quelles
que soient les caractéristiques énergétiques et géométriques de l’ion.
Enfin, le chapitre 5 permettra de valoriser le modèle ADDICT dans le cadre de
mesures de sensibilité SEE et de mesures opérationnelles. Nous présenterons des estimations
de sensibilité SEU et MBU (Multiple Bit Upset) dans des mémoires SRAM (Static Random
Access Memory) pour différents niveaux technologiques, allant de 250 nm à 65 nm. Nous
terminerons ce chapitre par une comparaison entre l'approche proposée par MUSCA SEP3 /
ADDICT et les mesures opérationnelles issues de l'expérience embarquée BALLTRAP.
11
Chapitre 1 :
L’environnement radiatif naturel : un vecteur de
défaillance dans les technologies MOS
12
La fiabilité des composants et systèmes électroniques a toujours été au centre des
préoccupations des acteurs de l’industrie électronique et aérospatiale. En 1948, lors de l’un
des premiers essais nucléaires menés dans le pacifique Sandstone, la Navy a signalé des
pannes et des perturbations de leurs systèmes électroniques surgissant au moment de
l’explosion de la bombe atomique. Ces pannes étaient dues aux radiations émises suite à
l’explosion nucléaire (flash X, neutrons d’armes, etc. …).
Suite aux observations de Van Hess, l’Homme a découvert que l’espace interstellaire
était parcouru par des particules matérielles animées de très grandes vitesses. Ces particules
sont d’origine très variée. Elles peuvent être issues d’éruptions solaires, de vents solaires, du
rayonnement cosmique et, plus proche de la Terre, issues des ceintures de radiation qui
entourent notre planète, formant ainsi l’environnement radiatif naturel (ERN) spatial.
En 1975, des erreurs de fonctionnement de l’électronique embarquée dans des
satellites ont été signalées. A la différence des erreurs constatées lors d’essais nucléaires
(environnement radiatif artificiel), ces erreurs étaient dues aux particules radiatives (ions
lourds, protons, neutrons, alpha) présentes dans l’environnement spatial. Ce type de particules
est aussi présent dans l’environnement atmosphérique à des flux bien inférieurs. Cependant,
l’utilisation grandissante de l’électronique et l’intégration technologique conduisent à devoir
considérer cette problématique pour les applications atmosphériques.
Dans ce premier chapitre, nous allons présenter les ERN spatial et atmosphérique afin
de comprendre leurs origines et de détailler leurs caractéristiques. Dans le cadre de cette
thèse, nous nous focaliserons plus particulièrement sur l’environnement spatial qui est le
domaine d’application du CNES.
On distingue deux catégories majeures d’effets induits par l’ERN spatial, les effets
cumulatifs de dose (déplacement et ionisante) qui dégradent progressivement le
fonctionnement du composant et les effets singuliers qui provoquent des fautes logiques
ponctuelles dans les circuits intégrés d’engins spatiaux et dans certains cas, leur destruction.
Dans le cadre de cette thèse, seuls les effets singuliers, SEE, tels que le SET et le SEU seront
traités.
Les différents types d’erreurs de SEE induits par l’ERN seront ensuite présentés. La
compréhension des mécanismes physiques conduisant à l’apparition de telles erreurs est un
élément indispensable dans la perspective de minimiser ou de prédire leurs effets dans
l’électronique embarquée en vol. Dans une dernière partie de ce chapitre, un état de l’art des
méthodes de prédiction actuelles sera proposé afin de mettre en relief les limites de ces
méthodes.
13
I. Description de l’environnement radiatif, spatial et atmosphérique
1. L’environnement radiatif spatial L’environnement spatial présente trois principales sources radiatives : le rayonnement
cosmique, le rayonnement solaire et les ceintures de radiation. Le Tableau 1 résume la
provenance et la nature des particules rencontrées dans l’espace ainsi que leur énergie dans la
magnétosphère. Les variations de flux de particules en fonction de leur énergie sont
présentées sur la Fig. 1.
Source radiative Type de particule Effets sur le composant
Ceintures de radiations
Electrons < 7 MeV
Protons < qq 100 MeV (dont 99 % <
10 MeV)
Défauts de déplacement
Défauts de déplacement, SEE
Rayonnement cosmique
Protons (87 %), 102 – 106 MeV
Alpha (12 %) forte énergies
Ion lourds (1 %), 1 MeV – 1014 MeV
Défauts de déplacement
SEE
SEE
Vent Solaire
Protons < 100 keV
Electrons < qq keV
Particules Alpha (7 – 8 %)
Défauts de déplacement
Défauts de déplacement, SEE
SEE
Eruptions solaires Protons de 10 MeV – 1 GeV
Ions lourds de 10 MeV – qq 100 MeV
Défauts de déplacement
SEE
Tableau 1. Résumé des différentes sources radiatives naturelles de l’environnement spatial et des effets induits sur un composant CMOS
Fig. 1. Description des différentes composantes de l’environnement radiatif naturel spatial.
Variations des flux de particules en fonction de leur énergie. [CORR – 08].
14
Nous allons dans la suite de cette partie développer l'origine, la nature et les
caractéristiques des principales sources radiatives de l'ERN spatial :
Le vent solaire
Le vent solaire est une contrainte liée à l’activité du soleil. Ce flux continuel de
particules énergétiques contenues dans le vent solaire crée un champ magnétique additionnel
autour de la Terre. Ce champ renforce la magnétosphère terrestre et donc la protection de la
Terre vis-à-vis des rayons cosmiques. La Fig. 2 représente l’activité solaire au cours de trois
cycles solaires (cycle 21, 22 et 23, courbe en pointillés) ainsi que l’intensité du flux
neutronique au niveau du sol (courbe pleine), image du flux de rayons cosmiques. Il apparaît
alors clairement que l’activité solaire et l’intensité des neutrons issues du rayonnement
cosmique sont en anti-coïncidences. En période de forte activité solaire, l’émission accrue de
particules déforme la magnétosphère dans une configuration qui la rend plus efficace pour le
filtrage des particules. Pour cette raison, une période de forte activité solaire se traduit par un
minimum de neutrons détectés. Cependant, le champ magnétique terrestre piège des particules
(cf. ceintures de Van Allen) qui peuvent être précipitées dans l’atmosphère lors d’une période
de plus faible activité solaire.
Fig. 2. Mesure du rayonnement cosmique (composantes nucléoniques, monitoring neutron) au
cours de trois cycles solaires (moniteur à neutron de Port-aux-Français, Iles Kerguelen) ; l’indice de l’activité solaire (taches solaires) est indiqué en pointillés. [OBSE]
Le rayonnement cosmique
Le rayonnement cosmique est constitué majoritairement de protons et de 1 % d’ions,
noyaux d’atomes lourds privés d’une partie de leur cortège électronique, de très grandes
énergies (> 1 MeV). L’origine de ce rayonnement est mal connue. On sait toutefois que les
15
ions lourds de très fortes énergies sont d’origine extragalactique alors que ceux de plus faible
énergie sont d’origine galactique.
Fig. 3. Flux en fonction de l’énergie des ions suivant leur origine
Ces rayonnements extrêmement énergétiques présentent cependant un flux
suffisamment faible (Fig. 3). Ils ne sont pas, de ce fait, les principaux responsables des
dégradations dans les dispositifs électroniques [BOUD-95]. La Fig. 4 indique l’abondance
relative dans le système solaire des ions cosmiques.
Fig. 4. Répartition de l’abondance des éléments dans le Système Solaire. Ce diagramme porte
pour chaque élément, en abscisse, le numéro atomique et en ordonnée le logarithme de l’abondance, normalisé, à 1012 atomes d’hydrogène. Les éléments légers, Lithium, Béryllium
et Bore, montrent une grande déficience qui s’explique par leur fragilité nucléaire.
Numéro atomique (Z)
16
Les ceintures de radiations
Plus connues sous le nom de ceintures de Van Allen, du nom du chercheur américain
qui les découvrit en 1957, ce sont des zones du proche espace terrestre riches en protons et
électrons (Fig. 5). Les ceintures de radiations électroniques peuvent contenir des électrons
d’énergie maximale de 7 MeV. Quant à la ceinture de protons, elle peut contenir des
particules allant jusqu’à plusieurs centaines de MeV. Par exemple, les protons de 100 MeV
sont piégés à 11500 km d’altitude. La disposition et l’énergie des protons suivent de manière
inverse le rythme de l’activité solaire. Ces protons sont surtout dangereux pour les engins
spatiaux suivant les orbites LEO (Low Earth Orbit). Cependant, lors de faible activité solaire,
les particules piégées dans ces ceintures de radiations peuvent être précipitées dans
l’atmosphère.
Fig. 5. Diagramme de ceintures de protons et d’électrons de Van Hallen autour de la Terre
Les éruptions solaires
Depuis leur découverte par Galilée en 1610, les taches solaires ont fait l’objet de
nombreuses observations, comme illustré dans la Fig. 6. Ces taches peuvent évoluer et
devenir des phénomènes localisés très violents dénommés éruptions solaires.
1700 1720 1740 1760 1780 1800
Ta
che
sola
ire
50
0
100
150
200
250
Ta
che
sola
ire
1900 1920 1940 1960 1980 2000
50
0
100
150
200
250
Fig.6. Nombre de taches solaires entre 1700 et 1800 puis de 1900 à 2000 [HUBE – 02]
17
Ces éruptions solaires sont une contrainte ponctuelle qui vient s’ajouter aux éléments
précédemment présentés. Il apparaît en comptant le nombre de taches annuellement, une
activité solaire cyclique dont la périodicité est de l’ordre de 11 ans (± 2 ans), elle-même
modulée par un cycle de 80 ans.
Lors d’une activité solaire importante, le nombre de particules solaires heurtant la
haute atmosphère augmente considérablement. Deux types d’éruptions sont distinguées : les
éruptions riches en protons et les éruptions riches en ions lourds [BOUD – 95] :
Les éruptions solaires de protons ont une durée qui va de quelques heures à quelques
jours et leur émission principale est constituée de protons d’énergies importantes
(jusqu’à quelques centaines de MeV). La référence en ce domaine est l’éruption de
protons d’août 1972.
Les éruptions solaires d'ions lourds, dont la référence dans ce domaine est l’éruption
de septembre 1977. La dernière éruption importante à ce jour date de mai 1998.
Ces évènements sont imprévisibles et ont des caractéristiques variables : amplitudes,
durées et compositions. La Fig. 7 présente des mesures issues du satellite GOES
(Geostationary Operational Environmental Satellite) pour les éruptions de novembre 2001 et
janvier 2005.
Fig. 7. Spectres de protons au cours du temps lors d’éruptions solaires en novembre 2001 et
janvier 2005 mesurés par le satellite GOES [GOES] [HUBE – 2010]
On remarque sur la Fig. 7 que ces deux éruptions solaires de novembre 2001 et janvier
2005 ont un profil de spectre de protons totalement différent. L’éruption solaire de novembre
2001 a une amplitude relativement élevée, mais un flux énergétique d’une intensité
18
relativement faible alors que l’éruption de janvier 2005 est d’une durée plus longue, mais plus
intense en terme de flux énergétique (supérieur à 2x102 cm2.s-1.sr-1.MeV-1).
2. L’environnement atmosphérique
La Terre est protégée par un champ magnétique qui constitue un véritable écran semi-
perméable laissant passer la lumière au travers de l’atmosphère mais arrêtant une grande
partie des radiations provenant de l’espace (éruptions solaires, vents solaires, rayons
cosmiques …). C’est pour ces raisons que l’environnement radiatif atmosphérique a
longtemps été considéré comme moins critique pour l’électronique embarquée ; il n’en reste
pas moins potentiellement dangereux. Il est principalement dû à l’interaction du rayonnement
cosmique avec les atomes de l’atmosphère. [TABE – 1993].
Les particules hautement énergétiques (~ quelques dizaines de MeV à quelques
centaines de GeV) issues du rayonnement cosmique ne sont pas piégées par le champ
magnétique terrestre. Elles entrent alors en collision avec les atomes constituant l’atmosphère
via deux types d’interactions : ionisation directe ou réaction nucléaire, comme illustré sur la
Fig. 8.
Fig. 8. Représentation schématique de la production de particules secondaires dans
l’atmosphère donnant naissance à une gerbe ou cascade de particules suite à l’interaction d’un proton de 1015 eV à une altitude de 35 km.
19
Dans le cas de collision nucléaire, la particule incidente déclenche une réaction en
chaîne formant ainsi une cascade de particules secondaires. Les particules secondaires
générées (neutrons, protons, électrons, muons, pions, photons …) peuvent à leur tour interagir
avec les molécules de l’atmosphère. Du fait de ces collisions successives et de la perte
d’énergie engendrée, le flux de radiations diminue à mesure qu’il se rapproche du sol. Le
spectre énergétique est environ 300 fois plus faible au niveau de la mer qu'à 12 km d’altitude.
De plus, la magnétosphère ayant un impact sur les rayons cosmiques frappant la Terre, le flux
varie avec la latitude ; il peut être 4 fois plus important au niveau des pôles qu’à l’équateur.
L’intégration croissante des composants électroniques CMOS (Complementary Metal
Oxide Silicon) embarqués, ainsi que la volonté des acteurs du milieu aéronautique de recourir
au « très » ou « tout » électronique dans les avions modernes (A350 ou 787 Dreamliner)
obligent à prendre en considération cette contrainte.
II. Du rayonnement à la défaillance SEE Les particules énergétiques issues des environnements radiatifs naturels interagissent
avec les matériaux constituant un circuit intégré, notamment les matériaux de type semi-
conducteurs. L’interaction de la particule avec la matière a pour effet de déposer tout ou une
partie de son énergie. Les mécanismes d’interactions dépendent du type de particule, de son
énergie initiale, de sa trajectoire et du matériau impacté. Nous distinguons deux processus
d’interaction :
Les interactions coulombiennes entre une particule chargée, tel qu’un ion lourd ou un
proton, et les électrons du matériau. Ce phénomène est aussi appelé ionisation de la
matière et conduit à l’apparition de paires électron-trou issues des atomes du semi-
conducteur. On parle alors de ralentissement électronique.
Les interactions nucléaires entre la particule incidente et le noyau d’un atome du
matériau de semi-conducteur peuvent être élastiques, inélastiques ou non-élastiques
[VIAL – 98]. Dans le cas d’une collision nucléaire élastique entre la particule et le
noyau cible, nous retrouvons le même noyau après la réaction et dans le même état
fondamental. Dans le cas d’une collision inélastique, le noyau cible se trouve à l’état
excité. La désexcitation, (retour à l’état fondamental), se fait par l’émission d’un
photon gamma. La particule incidente est alors réémise avec une énergie moindre.
20
Enfin, dans le cas d’une collision non-élastique, les produits de la réaction nucléaire
sont des fragments différents du noyau cible (proton, neutron, alpha, électron, …).
Ces deux modes d’interactions conduisent de manière directe ou indirecte à un
processus d’ionisation, comme illustré sur la Fig. 9. Dans ces deux cas, nous pouvons
constater la génération d’une colonne de paires électron-trou le long du parcours de la ou des
particules ionisantes dans le volume de semi-conducteur.
Fig. 9. Représentation schématique des processus d’ionisation direct et indirect
Pour caractériser le ralentissement total d’un ion, la notion de pouvoir d’arrêt ou LET
(Linear Energy Transfer) est introduite et définie comme étant la perte d’énergie par unité de
longueur. Le pouvoir d’arrêt total peut être divisé selon ces deux composantes : le LET
électronique lié à la perte d’énergie suite à l’ionisation et le LET nucléaire lié à la perte
d’énergie lors de l’interaction avec les noyaux de la cible :
nucléaireelectron dxdE
dxdELET +=
. (1)
Le LET électronique quantifie la création des paires électron-trou induites le long de la
trajectoire de la particule incidente. Le LET nucléaire quantifie le déplacement atomique du
matériau cible. Les pouvoirs d’arrêt peuvent être obtenus à l’aide d’un logiciel tel que SRIM
(Stopping and Range of Ions in Matter) [ZIEG - 03]. Sur la Fig. 10 ci-dessous, sont tracés les
pouvoirs d’arrêt électronique et nucléaire de l’ion 28
Si dans le Silicium.
21
Fig. 10. Représentation des contributions électroniques et nucléaires pour le ralentissement
du 28Si dans le silicium obtenu par simulation SRIM. [ZIEG – 03]
Il apparaît clairement que le phénomène d’ionisation (création de paires électron-trou)
est dominant au-delà de 0,1 MeV pour un milieu constitué de silicium. En revanche, c’est la
contribution nucléaire qui régit les basses énergies. La perte d'énergie due au ralentissement
électronique se traduit par la création d'une colonne de paires électron-trou le long de la trace
de la particule ionisante dans le composant (Range, en µm).
Jusqu’à récemment, le LET du proton a été considéré comme trop faible pour induire
directement des SEE par ionisation directe. Cependant, l’intégration technologique a conduit à
des niveaux de sensibilité suffisamment faibles pour que les composants nanométriques
(90 nm et inférieur) deviennent sensibles à l’ionisation directe des protons [HEID – 08] [SIER
– 09] [HUBE – 10], mais aussi, dans certains cas, aux muons [SIER – 10].
La problématique des effets singuliers et plus particulièrement pour cette étude, des
effets SEU et SET, est liée à la génération des paires électron-trou dans le semi-conducteur.
Une fois celles-ci générées et suite à des mécanismes de transport et de collection, les charges
collectées peuvent conduire à l’apparition de phénomènes transitoires (SET, SEU) dans le
circuit électronique.
Nous allons désormais détailler les mécanismes physiques et circuits relatifs au SEU
et au SET qui correspondent aux deux effets étudiés dans le cadre de ces travaux de thèse.
Nous verrons que le SEU est un effet singulier qui résulte directement d'un SET.
22
1. Le Single Event Transient, SET Une grande partie des phénomènes SEE a pour origine une perturbation transitoire en
courant, le SET. Dans le cas où cette perturbation est mémorisée par un point mémoire, elle
conduit au changement d’état de la cellule mémoire ; on est alors en présence d’un SEU.
Comme il a été présenté précédemment, suite au passage d’un ion lourd dans un
composant électronique, des paires électron-trou sont générées le long de son parcours
formant une colonne de charges dans le volume du semi-conducteur. Si cette trace est située
au niveau ou à proximité d’une jonction PN, les lignes équipotentielles s’en trouvent
perturbées suite à l’apparition d’un chemin de faible impédance induit par la colonne de
charges. La première conséquence directe de cette perturbation est la chute du champ
électrique initial présent à la jonction comme illustré dans la Fig. 11.
(a) (b)
Fig. 11. (a) Schéma d’une jonction N/P avant, (b) après le passage d’une particule ionisante
Ce phénomène a été mis en évidence par C.M. Hsieh et al en 1981 [HSIE – 81]. Si la
trace est située plus loin de la jonction PN, le mécanisme principal régissant l’apparition du
SET est lié à la diffusion des porteurs. Ce phénomène sera développé en détail dans le
chapitre suivant. Le schéma ci-dessus (Fig. 11) représente une jonction N+/P avant et après le
passage d’un ion lourd. W représente l'épaisseur de la zone de déplétion ou zone de charge
d’espace (ZCE). Nous pouvons observer que lorsque l’ion traverse la jonction N+/P, la zone
de déplétion se déforme et disparaît autour de la trace d’ion (Fig. 11 b). La zone de charge
d’espace dépend du potentiel appliqué aux électrodes mais également du gradient de
concentration des porteurs. Si l’énergie déposée par l’ion est très importante, la concentration
des paires e/h ainsi générées devient supérieure au niveau de dopage de la jonction. Le
gradient de concentration des porteurs étant proche de zéro, la zone de déplétion se déforme et
se réduit autour de la trace d’ion. Nous pouvons considérer la trace comme un «clou » qui
viendrait court-circuiter la jonction N+/P. Dans un composant MOS tel qu’un transistor, la
jonction considérée est la jonction entre le Drain et le Substrat. Cette zone a été identifiée
23
comme la zone critique du composant pouvant conduire à l’apparition d’un effet singulier de
type SET [DODD – 96].
Le profil du courant transitoire induit par la collection de la colonne de paires e/h peut
être décrit en deux phases : une phase de collection prompt, correspondant à la collection des
porteurs libres générés dans la zone de déplétion de la jonction ; et une phase de diffusion,
correspondant à la collection des porteurs générés plus profondément dans le substrat et
diffusant jusqu’à la jonction. Ce pulse de courant transitoire est transformé en pulse de tension
en sortie d’une cellule inverseur.
Si l’amplitude et la durée de ce pulse sont suffisamment importantes, ce transitoire
peut se propager jusqu’à un point mémoire et induire ainsi un basculement de point mémoire
ou bit : le SET devient alors un SEU [DODD – 04]. La caractérisation de ce courant SET
initial (amplitude, durée, charge équivalente) devient alors indispensable dans la prédiction
d’un évéènement singulier de type SEU. Les mécanismes physiques conduisant à l’apparition
de ce courant transitoire I(t) feront l’objet d’une étude par simulation TCAD (Technology
Computer-Aided Design) dans le chapitre 3.
Considérons maintenant un inverseur CMOS (constitué d’un transistor NMOS et d’un
PMOS, avec un 0 logique en entrée et donc un 1 logique en sortie) chargé par un deuxième
inverseur (Fig. 12). L'impact d'un ion dans ce premier inverseur va donc créer un courant SET
couplé à une impulsion de tension SET correspondant à la décharge de la capacité équivalente
des deux grilles du deuxième inverseur.
Fig. 12. Schéma équivalent d’un inverseur CMOS chargé par la capacité équivalente des
deux grilles du deuxième inverseur
L’allure du courant SET et de la tension SET résultante est représentée sur la Fig. 13
[TRUY – 08]. Sur cette courbe, nous observons le courant SET et le potentiel en sortie de
l’inverseur suite au passage d’un ion lourd, en incidence normale, dans le drain du transistor
PMOS, à l’état haut. Nous observons une chute du potentiel de l’inverseur de ΔV = 1,7 V. La
durée de l’impulsion est prise à2ccV
, ce qui correspond au potentiel nécessaire pour induire
une modification du niveau logique de l’inverseur suivant, nécessaire à la propagation de
24
l’impulsion de tension SET. La durée de l’impulsion de tension SET (Δt) est égale à Δt =
960 ps (à T1, la tension chute sous 2ccV
et à T2, elle repasse au-dessus de2ccV
).
Fig. 13. Courbe de tension (en noir) et de courant SET (en rouge) en sortie d’un inverseur CMOS suite au passage d’un ion lourd, en incidence normale, dans le drain du transistor
PMOS à l’état haut [TRUY – 08].
2. Le Single Event Upset, SEU Le phénomène de SEU correspond au changement d’état logique d’un point mémoire
provoqué par le passage d’une particule unique tel qu'un neutron, un proton ou encore un ion
lourd. Ce changement de niveau logique est réversible (le point mémoire pourra être corrigé
par le processus normal d'écriture), et ne conduit pas à la destruction du composant. Le niveau
logique dans une mémoire SRAM (Static Random Access Memory) est mémorisé à travers
les charges accumulées aux électrodes de grille des transistors en régime ohmique (Fig. 14).
Vcc
2Vcc
T2 T1
25
Fig. 14. Parcours du courant parasite avec phénomène de recombinaison lorsque la
collection des porteurs a lieu a) au niveau du drain du NMOS bloqué, b) au niveau du drain du PMOS bloqué [CORR – 09].
Nous avons vu qu'une particule génère directement ou indirectement des paires
électron-trou dans la structure heurtée. Ces paires évoluant dans le matériau peuvent être
collectées par les électrodes et induire l'apparition de courants parasites. Les électrodes des
transistors de type N et P ont pour propriété de collecter respectivement les électrons et les
trous.
La Fig. 14 présente le chemin du courant parasite lorsque la collection des porteurs
s'effectue au niveau de a) le drain du transistor NMOS bloqué, b) le drain du transistor PMOS
bloqué ainsi que leur recombinaison avec les charges accumulées aux grilles et celles dues à
l’état passant du transistor complémentaire (le PMOS M2
dans le cas a) et le NMOS M3
dans
le cas b).
Le phénomène de recombinaison des porteurs collectés par les drains des transistors à
l’état bloqué avec les charges accumulées aux grilles des transistors formant l'inverseur
opposé va avoir pour conséquence de diminuer ce nombre de charges jusqu'à entraîner la
perte de l’information mémorisée. En effet, cette diminution de charges aux grilles a pour
conséquence de varier les tensions de nœud et, dans le cas où la collection des porteurs
déposés par l'ion sera suffisamment importante en termes d’amplitude et de durée, la cellule
changera alors d’état logique.
26
Les notions d’amplitude et de durée sont importantes car la variation des tensions de
nœud a pour conséquence de mettre en conduction le transistor complémentaire. Ce courant
supplémentaire participe à la recombinaison d’une partie des charges induites par l’ion. Dans
le cas où l’apport induit par le phénomène de conduction est supérieur au courant parasite dû
à l’ion, il y a rechargement du nœud capacitif empêchant ainsi le basculement. Deux
possibilités sont donc à l’origine d’un basculement :
l’apport rapide et en nombre suffisant de porteurs par l’ion induit une perte brutale de
l’information par recombinaison totale des porteurs stockés servant à mémoriser le
niveau logique ;
la chute de tension du nœud pendant une durée suffisante pour que l’effet de la contre-
réaction induise le changement d’état.
Fig. 15. Parcours du courant parasite sans phénomène de recombinaison lorsque la collection des porteurs a lieu a) au niveau du NMOS passant, b) au niveau du drain du PMOS
passant [CORR - 09].
Inversement, les porteurs collectés par les drains des transistors en régime ohmique
auront pour effet de renforcer l’état logique du point mémoire, comme présenté sur la Fig. 15.
En effet, dans ce cas, les porteurs collectés sont identiques à ceux représentant la charge du
nœud. Ces charges viennent s’ajouter à celles déjà présentes. Par conséquent, le phénomène
de basculement ne peut être observé à la suite d’un courant parasite collecté aux électrodes de
drain des transistors en régime ohmique.
27
III. La prédiction des SEE
La fiabilité des composants vis-à-vis des contraintes radiatives est un enjeu
commercial majeur pour les acteurs du domaine spatial. Les industriels sont dans l’obligation
de proposer des produits dont la fiabilité et la garantie de durée de vie sont parfaitement
évaluées et maitrisées. En complément des tests réalisés au sol, il est nécessaire de pouvoir
être en mesure d’estimer la sensibilité d’un composant d’une mission donnée. De nombreux
outils ont ainsi été développés depuis une trentaine d’années afin de répondre à cette
problématique.
1. Etat de l’art des modèles de prédiction SEE
Les besoins d'estimer le comportement des composants électroniques dans un
environnement radiatif ont conduit à de nombreuses études avec pour principal objectif la
modélisation du phénomène de SEU.
La méthode CREME, qui demeure un standard dans la communauté, a été développée
dans les années 1980, et a depuis bénéficié d’un grand nombre d’évolutions dont la plus
récente est CREME96 (par le Naval Research Laboratory, NRL) [CREM – 96]. Ce code est
très utilisé pour modéliser l’environnement spatial incluant les rayons cosmiques, l’activité
solaire et les ceintures de radiations.
CREME permet de calculer le flux différentiel et intégral pour une mission donnée, et
ce, individuellement pour chaque type de particule en fonction de son énergie cinétique, ou
bien sous la forme d’un spectre global en LET. Le blindage géomagnétique est pris en compte
selon le profil de la mission. Partant de ces informations caractérisant strictement
l’environnement, CREME intègre une modélisation des phénomènes de transport des
particules dans les structures permettant de déterminer les spectres d’environnements locaux,
c'est-à-dire au niveau du ou des composants. Cependant, il faut d’ores et déjà préciser que
CREME considère une épaisseur de blindage constante, ce qui constitue une limite très
importante. Enfin, CREME propose un outil de calcul de taux d’événements de SEU pour un
composant et une mission donnés, cet outil est basé sur les modèles RPP et IRPP (Rectangular
Parallelepiped Parallelogram et Integrated RPP), comme décrit dans le paragraphe suivant. Le
calcul SER réalisé par CREME nécessite de connaître la sensibilité du composant mesurée
sous accélérateur de particules. Cependant, il est important de noter que cette section efficace
SEE n'est représentative de la sensibilité du composant que pour une direction d'incidence
28
donnée des particules. Les modèles RPP et IRPP ont été proposés afin d'extrapoler la
sensibilité à toutes les directions de l'espace.
Les deux RPP et IRPP reposent donc sur un principe simple qui consiste à considérer
que toutes les charges déposées dans un volume parallélépipédique sont collectées [PICK –
78]. Cette méthode réduit la zone sensible du composant à un parallélépipède dans lequel est
calculée la charge déposée par le passage de l’ion. La charge collectée est comparée à la
charge critique du composant pour déterminer le basculement du point mémoire ou non. Les
hypothèses faites pour le calcul sont les suivantes et sont illustrées dans la Fig. 16:
Le LET des ions incidents est constant sur tout le parcours dans le volume sensible.
Les volumes sensibles sont tous identiques en dimensions : longueur l, largeur w, et
épaisseur d.
La charge déposée est totalement collectée.
Les charges critiques de tous les volumes sensibles sont identiques.
Fig. 16. Modèle RPP définissant la taille unique du volume sensible par 3 paramètres
La notion de section efficace a été utilisée afin de rendre compte de la surface sensible
du composant. Elle correspond au nombre d’événements divisé par la fluence des particules
incidentes et s’exprime en cm2 ou cm2/bit. Comme il est illustré dans la Fig. 17, CREME
permet de reproduire correctement l’allure de la section efficace en fonction du LET (y
compris le LET seuil) [PETE – 97].
29
Fig. 17. Représentation de la section efficace relative modélisée à partir de l’approche RPP [PETE – 83]
Ce modèle a prouvé son bon fonctionnement sur d’anciennes technologies déca et
micrométriques. Basé sur un même principe, un certain nombre d’outils de prédiction d’erreur
fonctionnelle ont été développés. Nous citerons l’exemple de l’outil OMERE (Outil de
Modélisation d’Environnement Radiatif Externe), développé par la société TRAD (Test &
RADiation).
Par la suite, des améliorations ont été réalisées afin de prendre en compte de
l’intégration technologique, s’accompagnant d’une plus forte sensibilité [PETE – 83]. Le
composant n’est plus considéré comme uniquement sensible aux impacts d’ions mais
comporte des nœuds sensibles distincts, modélisés par de multiples parallélépipèdes [PETE –
92], [PETE – 96].
Cependant avec l’intégration technologique croissante, cette approche est devenue
trop simpliste pour rendre correctement compte de la complexité des mécanismes physiques
conduisant à l’apparition d’erreur fonctionnelle. Du fait de la complexification des procédés
de fabrication en microélectronique, le composant ne peut plus être considéré comme une
boîte noire, modélisé par un simple parallélépipède. L’utilisation de nouveaux matériaux, la
réduction des dimensions, la complexification des profils de dopage, obligent à considérer la
modélisation SEE de manière plus physique.
Ainsi, nous venons de voir que l'intégration technologique rend indispensable la prise
en compte plus fine d'un certain nombre de mécanismes physiques et électriques. Les
30
méthodes conventionnelles ne sont pas adaptées aux composants modernes, les principales
critiques sont les suivantes :
Prise en compte de la nature et des caractéristiques des particules composant
l'environnement, au lieu d'une description réductrice de spectre en LET.
Prise en compte des mécanismes de transport des particules dans des structures et des
blindages réalistes.
Produits secondaires issus des réactions neutron et proton matière.
Prise en compte des profils morphologiques des dépôts de porteurs/charges dans le
semi-conducteur.
Mécanismes de transport des paires électron-trou ou des charges intégrant d'une part
les effets de charge-sharing et d'autre part l'activation des structures parasites,
mécanismes de collection de charges.
Dynamique des mécanismes de déclenchements des SEE.
Mécanismes électriques au niveau du circuit.
Cette liste révèle les lacunes des méthodes conventionnelles mais il faut toutefois bien
préciser que leur criticité dépend à la fois du degré d'intégration des technologies considérées
mais également du type d'effet SEE étudié. Cette liste permet de comprendre l'émergence des
approches Monte-Carlo dont il va être fait mention ultérieurement, et plus particulièrement
pour MUSCA SEP3.
Finalement, comme l’illustre la Fig. 18, la phénoménologie qui conduit à l’apparition
d’un SEE peut être décrite à partir de plusieurs mécanismes physiques très différents :
connaissance de l’environnement, interaction rayonnement-matière, physique du semi-
conducteur et circuit. Ce séquençage multi-physique et multi-échelle de la phénoménologie
SEE est l’approche retenue par la plupart des nouveaux outils de prédiction.
31
Fig. 18. Phénoménologie multi-physique et multi-échelle conduisant à l’apparition de phénomènes SEE.
Il est donc opportun de noter qu’en marge de ces outils de prédiction conventionnels
comme CREME, que l’on peut qualifier d'approche end-user, des méthodologies basées sur le
principe d’une approche multi-physique ont été développées par les fondeurs pour leurs
besoins en fiabilité lors des phases de fabrication. L’exemple le plus significatif concerne le
fondeur IBM qui, en 1996, a développé son propre outil de prédiction d’erreurs
fonctionnelles : SEMM (Soft-Error Monte carlo Model). Depuis 2004, de constantes
améliorations ont été apportées afin de suivre le niveau d’intégration technologique [TANG –
04] [TANG – 08].
D’autres outils ou méthodologies basés sur l’approche multi-physique, plutôt dans un
cadre d’activités de recherches, ont été développés dans le milieu des années 2000. Deux
approches majeures contribuent actuellement à l’étude et à la compréhension des SEE : les
méthodologies MRED (Monte-Carlo Radiation Energy Deposition) [WELL – 09] et MUSCA
SEP3 [HUBE – 09].
Le code MRED a été développé à l’université de Vanderbilt [WARR – 07] [WELL –
09]. Cette approche « total » modélise successivement les interactions rayonnement/matière, à
partir des codes de physique nucléaire tel que GEANT4 (GEometry ANd Tracking), mais
aussi le composant dans son intégralité (packaging et fonctionnement électronique), dans un
circuit complexe complet. Le modèle de collection de charge utilisé se base sur la
modélisation de multiples volumes de sensibilité variables afin de rendre compte d’un
phénomène d’efficacité de collection de charge [WARR – 07]. La sensibilité de chacun des
32
volumes est paramétrée à partir de simulations composant (TCAD). Cette approche requière
une puissance de calcul importante, ainsi que des informations technologiques décrivant le
composant étudié extrêmement abouties, ce qui nécessite un lien étroit avec le fabricant du
composant (fondeur). Cette méthodologie permet d’obtenir des résultats particulièrement
pertinents, et à la pointe sur de nombreux phénomènes émergents [SIER – 09] [AHLB – 10]
[KING – 10].
2. Plateforme MUSCA SEP3 Comme déjà mentionné, nous savons qu'entre la particule incidente et l'occurrence
d'un SEE, un certain nombre de mécanismes physiques interviennent à des niveaux d'échelle
et selon des processus très différents.
En premier lieu, il convient de bien connaître les caractéristiques de l'environnement,
c'est-à-dire le ou les types de particules le composant, le ou les spectres d'énergie de ces
particules, les caractéristiques directionnelles et dans certains cas bien particuliers la
dynamique temporelle de cet environnement (cas des éruptions solaires par exemple). Cet
environnement sera appelé dans la suite champ radiatif incident. Avant d'atteindre le
composant, les particules incidentes traversent les structures et/ou blindages du système, ce
qui a pour effet de modifier leurs caractéristiques et parfois leurs natures (interaction nucléaire
par exemple). Les particules atteignant le composant interagissent selon des processus
d'interactions de nature coulombienne ou nucléaire. Quel que soit le mode d'interaction,
l'impact direct ou indirect consiste en la génération de paires électron-trou dans le semi-
conducteur. Ces porteurs ou charges vont évoluer selon des mécanismes de transport comme
la diffusion ambipolaire ou la diffusion par entraînement de champ puis être collectés par les
différentes électrodes du circuit. Selon le type technologique, le niveau d'intégration et les
caractéristiques de dépôts, des structures parasites inhérentes, mais inactives dans un mode de
fonctionnement normal, vont pouvoir être activées et induire des phénomènes d'amplification
et/ou d'injection de charges. Les courants transitoires résultant de la collection des charges et
des phénomènes d'injection et/ou d'amplification vont perturber l'équilibre électrique du
circuit, l'état logique sera perturbé dans le cas d'une cellule SRAM, ou les courants transitoires
se propageront dans le cas d'une porte logique CMOS. Ces mécanismes au niveau du circuit
deviennent prépondérants pour les technologies modernes, et ce, en raison de l'intégration et
des problématiques de multi collection qu'ils induisent. A cela, il ne faut pas omettre d'ajouter
les causes liées à la complexification et à l'augmentation des performances. La réaction au
33
niveau circuit et/ou au niveau système donne lieu à l'occurrence d'un SEE. La Fig. 19 décrit
ces mécanismes.
Le principe général de MUSCA SEP3 (Multi SCAle Single Event Phenomena
Predictive Platform) consiste à modéliser de manière séquentielle mais parfois combinée les
différents mécanismes physiques conduisant à l'apparition d'un SEE. Dans la méthodologie
MUSCA SEP3, l’objectif est de modéliser un système global composé d'une part du semi-
conducteur dans lequel les mécanismes de collection vont conduire à l'apparition des SEE,
d'autre part de son environnement matériau, c'est-à-dire le boîtier, les blindages, les structures
mais aussi les couches de passivation et de métallisation. Le mode de représentation présenté
sur la Fig. 19 permet d’identifier deux blocs distincts.
Le premier bloc correspond à la simulation Monte-Carlo de l’événement, c’est-à-dire
de la sélection de la particule incidente et de ses caractéristiques en fonction d’un
environnement défini préalablement. La définition de l’environnement peut aussi bien être
une particule d’énergie et d’angle d’incidence donnés (pour modéliser une configuration
accélérateur par exemple), qu’une ou des particules associées à un ou plusieurs spectres
différentiels. Quel que soit l’environnement, chaque tirage de particule sera associé à un
calcul de transport au travers des structures, blindages ou bien mêmes couches particulières
du composant comme par exemple le boîtier ou bien encore les couches de métallisation ou/et
de passivation. In fine, les calculs de ce premier bloc nous permettent de connaître la nature
des particules, leurs caractéristiques énergétiques et angulaires qui pénètrent dans le semi-
conducteur actif.
Environnement
Transport dans les matériaux
Interaction coul. et nucl.,Génération des paires e/hTransport des paires e/h
mécanismes de collection
Effets circuit
Modèle SEE
Modèle du système
SEE, σ, SER
Tests SEE sol
Blindage, structure, boitier, passivation,
métallisation, ...
Zone semi-conducteur "sensible"
+ +− −
+ +− −
+ −− +
+ −− +
+ −− +
− +
− ++ −
− ++ −
+ −
Zone transport
source
−+
−+− +−+−+−
+−+−
+− +−−
+−+
grille
drain
Fig. 19. Principe général de la modélisation séquentielle multi-physique et multi-échelle des effets SEE dans MUSCA SEP3 et principe de décomposition des volumes dans MUSCA SEP3
en une « zone transport » et une « zone semi-conducteur sensible ».
34
Le second bloc, qui n’intègre pas à proprement parler de méthodologie Monte-Carlo,
réunit les couches de modélisation relatives à l’impact des interactions coulombienne et
nucléaire dans le semi-conducteur actif, c’est-à-dire la génération des paires électron-trou
dans l’espace 3D, puis, les mécanismes de transport et de collection de charge, et enfin, les
effets au niveau circuit.
La Fig. 19 permet donc de bien différencier ce que nous appellerons respectivement la
« zone de transport » et la « zone semi-conducteur actif ». Les calculs liés à la zone de
transport sont très bien maîtrisés, il s'agit principalement d'être capable de calculer la perte
d'énergie d'une particule donnée lors de son passage dans les différentes couches définies dans
les structures et blindages. Il est important de noter que cette partie du problème est
invariante, c'est-à-dire que le type d'effet et la technologie étudiée n'ont pas d'impact sur son
traitement (à condition que les dimensions de la zone SC sensibles soient équivalentes). Le
cœur de la prédiction SEE s'intègre dans les modèles et procédures de calcul de la zone semi-
conducteur sensible. Ainsi, pour chaque nouveau type de composant ou d'effet, cette partie
doit être adaptée ou développée.
3. Modélisation des courants transitoires A la fin des années 1990, afin de pouvoir étudier l’effet des SET dans des circuits
complexes, de nombreux travaux ont été réalisés sur une modélisation simple du courant
transitoire représentative d’une configuration « pire » cas (passage d’une particule ionisante
dans la zone sensible du composant). Cette modélisation permet de limiter en partie
l’utilisation de simulations TCAD extrêmement chronophage et incompatible avec l’étude
circuit complexe. L’évolution temporelle du courant a été approximée à une double
exponentielle décroissante [KERN – 99] [ROCH – 99], comme illustré dans la Fig. 20. La
forme de ce courant peut être reproduite grâce à l’approximation suivante :
21 *)1()*()( 0ττtt
ekekItI−−
−+= (2)
où les coefficients de calibration k, τ1 et τ2 sont ajustés à partir de simulations composant
(TCAD) afin d’adapter la double exponentielle à la réponse transitoire du composant étudié.
Ce modèle a le mérite d’être particulièrement simple à mettre en place pour des études bien
spécifiques où le composant étudié est parfaitement connu de l’utilisateur. Cette limitation est
due à la nécessité de réaliser des simulations TCAD préliminaires (coûteuses en temps de
calcul) afin d’ajuster les coefficients de la double exponentielle.
35
Fig. 20. Courant de drain sur la technologie 0.35 µm pour un LET de 0.0275 pC.µm-1.
Lissage par une double exponentielle τ1=3x10-12 s et τ2=2.9x10-11s [ROCH – 99]
C’est dans ce contexte que des travaux [HUBE – 02] [MERE – 05] ont été réalisés à
l’Université de Montpellier dans le début des années 2000 avec pour objectif de proposer un
modèle transitoire adapté aux technologies micrométriques. Ce modèle est basé sur le
mécanisme de diffusion ambipolaire des porteurs générés par des ions primaires ou
secondaires. Le principe de cette modélisation du courant repose sur les discrétisations
combinées de la trace formée par les paires électron-trou et de la surface de collection
(généralement la surface du drain). Ainsi, la trace est divisée en segments élémentaires dl,
tandis que la surface de collection est discrétisée en surfaces élémentaires dS (dx * dy) comme
illustré dans la Fig. 21.
La densité surfacique des porteurs nS(t) est alors calculée comme indiqué dans
l’équation 3 ci-dessous [MERE – 05].
( )∫∫∫
−
= dxdydlDt
elLETdStnDt
d
S
23
4
4)(*)(
2
π (3)
avec d la distance entre l’élément de surface dS et le dépôt local dl des porteurs, D une
constante physique représentant le coefficient de diffusion ambipolaire. Ce coefficient D est
utilisé comme paramètre d’ajustement moyen pour fitter les résultats de la modélisation
obtenus à partir de simulations TCAD préliminaires pour chaque technologie étudiée.
36
Fig. 21. Principe de discrétisation de la surface de collection et de la trace du modèle
ambipolaire sphérique [MERE – 05].
Ce paramètre de diffusion ambipolaire permet d’ajuster le timing du pic de courant
transitoire, ainsi que l’instant, Tmax où le pic de courant est à son maximum.
La densité surfacique des porteurs nS (t) calculée est convertie en courant I(t) via un
modèle de collection qui prend en compte une vitesse de drift V au niveau de la surface de
collection comme présenté dans l’équation 4 ci-dessous.
VqtntI S **)()( = (4)
Le coefficient de diffusion ambipolaire D et la vitesse de collection V sont utilisés afin
de paramétrer le modèle classique de diffusion. Ces ajustements sont effectués à partir de
simulations TCAD préliminaires selon la technologie ou les conditions de fonctionnement du
composant électronique.
Un autre élément limitant de ces approches est le critère de basculement dont le rôle
est de déterminer l’occurrence d’un changement d’état logique du point mémoire. Un critère
classique repose sur la comparaison des charges collectées durant l’événement avec la charge
critique de la cellule mémoire, c’est-à-dire la charge équivalente du nœud. Le calcul
conventionnel de la charge collectée se déduit de l’intégration du courant transitoire [ROCH –
99]. Cependant, cette approche comprend quelques limitations non négligeables.
En effet, la charge collectée totale n’est pas représentative du potentiel de
déstabilisation de la cellule pour toutes les caractéristiques géométriques et énergétiques de
trace (court-circuit ou éloignement de la zone de collection). Un exemple symptomatique est
37
le cas d’un ion de fort LET générant une colonne de porteurs très éloignée de la zone de
collection. L’allure du courant résultant de la collection de ces charges se caractérise par une
faible amplitude et une durée longue. La charge collectée totale de ce courant peut être alors
supérieure à la charge critique sans que la cellule ne change pour autant d’état mémoire.
Un second critère de basculement repose sur le couple Imax/Tmax, où Imax correspond à
l’amplitude de courant et Tmax au temps du maximum de courant [MERE – 05] [CORR – 08]
[UZNA – 10]. Des travaux récents ont mis en évidence les limitations de ce critère pour des
technologies fortement intégrées [TOUR – 11]. Ces travaux révèlent l’incapacité à déterminer
l’occurrence d’un SEU pour une même valeur Imax/Tmax (mais de configurations de trace
différentes) et mettent en évidence la nécessité de proposer un nouveau critère de basculement
pour les technologies MOS (Metal Oxide Silicon) les plus intégrées.
De la même manière que pour les paramètres physiques D et V, le couple Imax/Tmax est
déterminé à partir de simulations TCAD préliminaires. Ce point est particulièrement limitant
pour plusieurs raisons. Tout d’abord, la mise en place de simulations TCAD nécessite une
connaissance technologique approfondie et complète du composant et nécessite donc un lien
direct avec le fondeur, ce qui est totalement antinomique avec une approche purement end-
user. Ces modèles sont donc exclusivement compatibles avec des utilisateurs tels que des
fondeurs ou des clients très fortement liés aux fondeurs. De plus, ces simulations TCAD sont
extrêmement coûteuses en temps de calcul.
Enfin, une dernière limitation particulièrement critique peut être soulevée. Ces
méthodes ou modèles montrent leur limite dans leur utilisation par un end-user. Il apparaît
également que l’ensemble des modèles transitoires ne prend pas en compte les mécanismes
physiques dynamiques conduisant à l’apparition de la réponse en courant I(t). L’émergence
des technologies d’échelle nanométrique oblige à proposer un nouveau modèle transitoire
intégrant plus fidèlement les mécanismes dynamiques de transport et de collection. Ce modèle
doit par ailleurs s’intégrer dans une approche end-user en adéquation avec l’évolution de la
roadmap technologique ITRS (International Technology Roadmap for Semiconductor) [ITRS
– 07]. Afin d’identifier les tendances technologiques liées à la réduction d’échelle, le chapitre
suivant propose un état de l’art de l’évolution de la technologie MOS et ses conséquences sur
les tendances SEE.
40
Dans l’histoire de la microélectronique, nous faisons le constat d’un enrichissement
progressif des technologies par la mise au point de procédés toujours plus performants et par
l’arrivée de nouveaux composants et fonctions. Cette dynamique a pour but de réaliser des
systèmes de plus en plus complexes. Cet apport de la technologie dans l’amélioration des
performances des produits et dans la croissance du marché de la microélectronique est
souvent résumé par ce qu’on appelle la « loi de Moore », du nom du fondateur d’Intel.
Gordon Moore a observé dans les années 1960 un doublement du nombre de transistors des
circuits tous les ans [MOOR – 98].
Même si ce rythme a été depuis réduit à un doublement tous les deux ans, il reste la
tendance de réduction des dimensions du composant élémentaire de la microélectronique, le
transistor. Cette évolution constante est un élément indispensable à prendre en compte dans la
perspective de la caractérisation de la tenue aux radiations des composants MOS. Ce chapitre
propose d’une part un état de l’art des évolutions technologiques et d’autre part les tendances
de réductions d’échelle des paramètres physiques intrinsèques au transistor MOS. De plus, ce
chapitre souligne comment l’évolution technologique influe sur la sensibilité du composant
vis-à-vis du risque SEE. L’identification des tendances d’intégration est une étape
particulièrement importante dans l’optique du développement d’un modèle de courant
transitoire. En effet, le modèle proposé se basera sur des données d’entrées exclusivement
issues de paramètres technologiques ou physiques.
La technologie MOS est devenue lors des années 1970 la technologie majeure dans le
domaine de la microélectronique. Avec l’amélioration des techniques de fabrication mises au
point par les fondeurs au début des années 1980, il est devenu possible d’intégrer sur un
même substrat, une combinaison de transistors NMOS et PMOS. Cette technologie utilisant
les deux types de transistors complémentaires s’est ainsi développée et a pris le nom de
technologie CMOS. Le type de transistor N ou P correspond au type de porteur utilisé lors du
fonctionnement de composant : N pour des électrons et P pour des trous. Ce saut
technologique a permis une intégration toujours plus importante, et d’atteindre ainsi des
puissances de calcul et de stockage phénoménales, et ce, pour une consommation toujours
plus réduite.
41
I. Les tendances d’évolution des composants MOS
Dans la microélectronique, la dimension qui caractérise le mieux le degré
d’avancement d’une technologie et la dynamique de progrès est la longueur de grille des
transistors MOSFET. En effet, cette longueur, représentative de la distance séparant le drain
et la source du transistor, est significative du degré d’intégration du composant donc
directement liée au nombre de transistors pouvant figurer dans le composant final. Si l’on se
réfère à la loi de Moore, ce nombre croît de manière plus ou moins constante depuis les 40
dernières années, comme il est possible de le constater dans la Fig. 22, issue d’Intel [GHAN –
09].
Fig. 22. Evolution du nombre de transistors présents dans les processeurs d’Intel au cours
des 40 dernières années.
Cependant, la réduction d’échelle jusqu’à des dimensions fortement submicroniques
(0.1 µm et au-delà) fait face à de formidables défis. En effet, les transistors MOS sont poussés
vers leurs limites fondamentales et technologiques. La longueur de grille physique des
composants va passer de 25 nm (nœud technologique 65 nm) à 5 nm en 2020 (nœud
technologique 14 nm). Dans cette gamme de longueur, l’optimisation des transistors, en
particulier des jonctions source/drain est une nécessité pour réduire les effets parasites, tels
que les effets de canal court ou de courant de fuite.
42
Un large nombre de procédés technologiques a été développé dans le but de
poursuivre l’intégration technologique tout en augmentant les performances et en réduisant la
consommation du transistor.
Les premières techniques utilisées dans les transistors de type planaire ont consisté en
l’ajout d’implants de dopage N ou P au sein même du composant pour limiter les effets de
canal court qui perturbent le fonctionnement du composant et dégradent ses performances.
Ces différents types d’implants de dopage sont représentés dans la Fig. 23 ci-dessous. La
couche d’épitaxie est une zone faiblement dopée (~ 1015 atomes.cm-3). Cette couche de
quelques microns d’épaisseur est déposée sur le substrat fortement dopé (~1018 atomes.cm-3).
Fig. 23. Illustration des différents types d’implants de dopage dans un transistor NMOS, ici
tiré du nœud technologique 0.18 µm.
L’existence de cette couche permet d’utiliser un substrat de très faible résistivité qui
conduit à une meilleure tenue vis-à-vis de certains phénomènes SEE [DODD – 04], [GUPT –
87], notamment le latch-up. Lorsqu’une particule traverse le composant, les porteurs créés
peuvent se recombiner avec les porteurs présents en grand nombre dans le substrat. On réduit
ainsi le risque d’apparition de phénomènes SEE.
Au cours des 40 dernières années, le transistor a évolué et a vu les dimensions de sa
structure se réduire drastiquement. Le degré d’intégration d’un transistor est ainsi caractérisé
par un éventail de paramètres technologiques bien spécifiques pour chaque nœud
technologique. Les prévisions des tendances d’évolution de ces paramètres sont constamment
actualisées lors de réunions regroupant l’intégralité des acteurs de l’industrie
microélectronique. La réunion la plus connue, organisée tous les deux ans, est l’ITRS [ITRS –
07].
Epitaxie P- # 1015 .cm-3
Substrat P++ # 1018 .cm-3
Anti-Punch-through
Ajustement Vt
43
1. Evolution des principaux paramètres des structures MOS Il est possible de dégager parmi l’ensemble des paramètres technologiques
caractérisant le transistor, un certain nombre de paramètres particulièrement représentatifs
dont le plus connu est la longueur de grille : la tension d’alimentation du composant (VDD), la
capacité de jonction drain/substrat (CJUNCT), la profondeur active de drain (XDepth), la surface
active de drain (SDrain) et enfin l’épaisseur d’oxyde de grille (TOX) comme représentés dans la
Fig. 24 ci-dessous.
Ces paramètres définissent le comportement électrique (tension de seuil, gain,
transconductance, courants de fuites, …) du transistor lors de son fonctionnement normal,
mais ils caractérisent aussi sa sensibilité aux SEE. Il est donc primordial de connaître les
évaluations de ces paramètres technologiques clefs.
Fig. 24. Structure simplifiée d’un transistor en vue 3D caractérisé par ses paramètres
technologiques principaux.
Réduction de la longueur de grille
La longueur de grille représente la distance séparant les puits de la source et du drain.
En effet, ce paramètre est constamment réduit à chaque nœud technologique pour plusieurs
raisons :
La réduction de la longueur de grille permet, pour des raisons évidentes, d’augmenter
les nombres de transistors sur une même surface silicium. Cet aspect est primordial
pour les fondeurs aussi bien d’un point de vue purement technique, c’est-à-dire
augmentation de la complexité des circuits possibles, que d’un point de vue
économique. Ainsi, les fondeurs tels que Intel, IBM ou TSMC (Taiwan
Tox SDrain
XDepth
VDD
Cjunct LGate
44
Semiconductor Manufacturing Company) augmentent la rentabilité d’une même
galette de silicium, ou wafer, en y gravant un plus grand nombre de puces.
La réduction de la longueur de grille permet une augmentation de la fréquence de
fonctionnement du transistor. En effet, plus la distance entre source et drain est
réduite, moins les porteurs libres (électrons ou trous) mettent de temps pour passer
dans le canal lors des commutations du transistor de l’état ON à l’état OFF.
Pendant de nombreuses années, les fondeurs et en particulier les fabricants de micro-
processeurs ont livré une véritable course à l’augmentation des fréquences de fonctionnement
des circuits permise par l’intégration constante de la technologie MOS. Cependant, à partir du
nœud technologique 90 nm, les fondeurs ont été confrontés à une limitation purement
physique de leur composant. En effet, les fréquences atteintes étaient devenues telles que le
circuit était victime d’échauffements locaux, nuisibles au bon fonctionnement du composant.
Les fondeurs ont alors changé de stratégie d’intégration, en augmentant dorénavant les
nombres de cœurs, ou core, au sein d’une même puce, comme il est possible de l’observer
dans la Fig. 25 ci-dessous.
Fig. 25. Roadmap Intel de la fréquence des processeurs, du nombre de cœurs, et du nœud
technologique correspondant [INTEL – 07] [ITRS – 07]
45
La réduction d’échelle permanente de la longueur de grille est un élément à prendre en
compte dans la perspective de la caractérisation et qualification d’un composant. En effet,
plus la longueur de grille est réduite et plus des effets tels que la multi-collection ou
l’amplification bipolaire deviennent prédominants, deux phénomènes particulièrement
critiques dans la sensibilité aux SEE du composant MOS.
Limitation des tensions de seuil et d’alimentation
La tension de seuil du transistor est un paramètre électrique fortement étudié par les
fondeurs. Et pour cause, la tension de seuil définit le seuil de basculement du transistor de
l’état OFF à l’état ON. Pour limiter la consommation d’un dispositif, les fondeurs diminuent
la tension d’alimentation du transistor avec l’intégration technologique tout en conservant une
tension de seuil relativement basse et stable, comme il est possible d’observer dans la Fig. 26
suivante.
Fig. 26. Roadmap ITRS et fondeur de la tension de seuil et d’alimentation en fonction de
la longueur de grille effective [ZHAO – 07]
Réduction de la profondeur active de drain
La profondeur active de drain correspond à la profondeur d’implantation des puits N
ou P (selon le type de transistor) dans le substrat de silicium. Ce paramètre a vu ses
dimensions se réduire de manière plus ou moins constante au fil de l’intégration
46
technologique afin d’éviter le recouvrement de la zone de déplétion dans le canal, comme il
peut être observé sur la Fig. 27.
Fig. 27. Roadmap SIA (Semiconductor Industry Association) de la profondeur de jonction de
zone active. Les valeurs maximales et minimales sont indiquées. [KIM – 03]
La capacité de jonction drain/substrat
La capacité induite par la formation de la jonction drain/substrat est un élément
important pour les fondeurs. En effet, cette capacité de jonction est un élément limitant du
transistor à cause du courant de fuite qu’elle génère, et sa limitation au niveau fréquentiel
[KIM – 03]. Cette capacité parasite de jonction est un paramètre technologique
particulièrement important du fait qu’il permet de renseigner sur le niveau de dopage du puits
N ou P du drain ainsi que de celui du substrat.
Cette capacité peut être définie de la manière suivante en tenant compte du gradient de
dopage de la jonction drain/substrat ainsi que la tension d’alimentation [BYU] :
025.0075.08
ln32
3
2
±+⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
××
×××=
i
SiDop
bi nq
Gradqkt
qkTV
ε
(5)
( )3
12
Dop
DDbiSi
GradqVVW
×××
=ε
(6)
WC Si
ZCEε
= (7)
47
Ce couple de paramètres (CZCE et W) présenté dans l’équation (7) est essentiel pour
l’étude et la modélisation de phénomènes transitoires (SET) [ARTO – 10]. L’impact de ce
couple de paramètres technologiques sera plus amplement développé dans le chapitre suivant,
qui s’attachera à présenter la phénoménologie des mécanismes de collection et diffusion de
charges induisant un courant transistor SET.
Topologie et réduction de la surface active de drain
Par définition, qui dit intégration technologique et réduction d’échelle, dit réduction
des surfaces actives du transistor, ainsi que de la surface totale d’un composant tel qu’une
mémoire SRAM. Toujours dans le but d’accroître le nombre de composants par surface de
silicium, la surface de drain active s’est vue terriblement réduite comme il peut être observé
dans la Fig. 28 ci-dessous.
Fig. 28. Roadmap de l’intégration de la surface de drain de NMOS au sein de mémoires
SRAM de différents fondeurs [ITRS – 07][PETI – 06][NODA – 97][CORR – 08][ARTO – 10]
Comme on peut le constater sur cette figure, la tendance est respectée quel que soit le
fondeur. Cet aspect est primordial en vue d’une généralisation des roadmaps de ces
paramètres technologiques et de leur utilisation dans un modèle de prédiction end-user.
Cependant, un aspect totalement dépendant du fondeur ou de l’industriel, est la
topologie ou layout du composant électronique. En effet, le design d’un composant va être
spécifique à un fabricant donné pour répondre au cahier des charges qu’il souhaite proposer à
48
ses clients. Lors de l’intégration technologique et pour répondre aux défis de celle-ci, les
fondeurs ont dû faire évoluer le design de leurs composants, passant d’un layout dit vertical à
un layout dit horizontal, comme illustré dans la Fig. 29.
Fig. 29. Représentation schématique du changement de topologie d’une cellule SRAM avant
et après le nœud technologique 90 nm. [HUBE – 09]
Ce changement de topologie s’est généralisé à partir du nœud technologique 65 nm.
Cette modification de topologie impacte particulièrement la sensibilité de la mémoire SRAM.
L’impact de la topologie sur la sensibilité d’une mémoire SRAM sera plus amplement
développé dans un chapitre suivant. Cette évolution de layout au sein des mémoires SRAM
est parfaitement visible chez les différents fondeurs, comme on peut le constater sur les
clichés SEM (Scanning Electron Microscope) dans les Fig. 30, 31, 32 pour Intel, Texas
Instrument et Panasonic, pour les nœuds technologiques 90, 65 et 45 nm.
Fig. 30. Vue SEM d’un plan mémoire Intel 90 nm Prescott [JAME – 09]
49
Fig. 31. Vue SEM d’un plan mémoire Texas Instrument 65 nm après « die shrink » d’un
90 nm [JAME – 09]
Fig. 32. Vue SEM d’un plan mémoire Panasonic 45 nm après « die shrink » d’un 65 nm
[JAME – 09]
Augmentation du niveau de dopage du canal
Comme il a été présenté dans la partie précédente, les fondeurs utilisent une
implantation de dopage dans le canal pour l’ajustement de la tension de seuil du transistor.
Cette tension de seuil suit une tendance décroissante comme il sera présenté dans le
paragraphe suivant. Comme nous pouvons l’observer sur la Fig. 33 ci-dessous, le niveau de
dopage augmente fortement jusqu’à des valeurs approchant 1x1019.cm-3 pour le nœud
technologique 32 nm. Ce niveau de dopage élevé permet aussi d’éviter un étalement de la
zone de déplétion des puits de la source et du drain, et d’éviter ainsi tout risque de
recouvrement. Malheureusement, l’inconvénient majeur de ce procédé technologique est
l’atténuation de la mobilité des porteurs libres dans le canal. En effet, à fort niveau de dopage,
50
le libre parcours moyen des porteurs libres se voit particulièrement réduit, ce qui entraîne une
diminution de la mobilité des porteurs pour un champ électrique constant.
Fig. 33. Roadmap ITRS et fondeurs du dopage du canal en fonction de la longueur de
grille effective [ZHAO – 07]
Réduction de l’épaisseur d’oxyde de grille
Un autre paramètre particulièrement critique lors de la réduction d’échelle du
transistor est l’épaisseur d’oxyde sous le contact de grille. La miniaturisation toujours plus
poussée et l’augmentation des performances des circuits intégrés requièrent le remplacement
du diélectrique de grille SiO2 par un isolant de plus forte permittivité. En effet, pour les
nouvelles générations de dispositifs de type CMOS, une épaisseur équivalente d’oxyde
inférieure à 1,5 nm est nécessaire, ce qui ne peut pas être réalisé avec l’oxyde SiO2 car des
problèmes de courant de fuite et de fiabilité apparaissent comme il est possible de le constater
dans la Fig. 34 ci-dessous.
Ce courant de fuite est suffisamment important pour être à l’origine d’une
consommation excessive des circuits à l’état OFF, pouvant avoir des conséquences
dramatiques. Il est important de noter qu’un changement de gate stack est opéré par les
fondeurs, dans le cas présent, Intel ; ainsi, le passage du couple Polysilicium/SiO2 au couple
grille métallique/oxyde High-K est réalisé pour le nœud technologique 45 nm.
51
Fig. 34. Roadmap Intel de l’épaisseur d’oxyde de grille ainsi que du courant de fuite de grille
et du type de « gate stack » utilisé. [MIST – 07]
En effet, dans l’objectif d’accroître les performances du transistor, les fondeurs
cherchent à augmenter le courant de drain tout en limitant les courants de fuites au niveau de
la grille ; pour cela, il est nécessaire d’augmenter le couplage capacitif COX et donc de
diminuer l’épaisseur d’oxyde tOX comme exprimé dans les équations (8) et (9).
( )2
2TGS
oxDrainVV
LWCI −
×××= μ (8)
ox
oxox t
SkC ××= 0ε (9)
avec kOX le coefficient diélectrique de l’oxyde et ε0 la permittivité du vide. La réduction de tOX
favorise malheureusement les courants de fuites. C’est pourquoi l’introduction de matériaux
isolants de grille qui, à même épaisseur, ont une permittivité diélectrique εr plus grande, est
devenue une nécessité pour les fondeurs.
Matériau εr Matériau εr
Al2O3 9-11 HfO2, La2O3 10-30
Ta2O5 60 ZrO2 10-30
TiO2 80 Y2O3 10-30
Tableau 2. Récapitulatif des coefficients diélectriques relatifs de matériaux High-K utilisés dans les transistors avancés à grille métallique [CHAN – 03]
52
Pour cela, la notion d’épaisseur équivalente d’oxyde (EOT-Equivalent Oxide
Thickness) a été utilisée pour comparer, à épaisseur d'oxyde tOX égale, les performances des
High-K par rapport au SiO2. L’EOT est définie comme étant l’épaisseur équivalente de SiO2
qui fournirait la même capacité que celle obtenue avec un matériau High-K.
La Fig. 35 montre clairement qu’à EOT ou épaisseur de SiO2 égale, les courants de
fuites de grille dans un matériau High-K (ici de l’oxyde d’hafnium HfO2) sont beaucoup plus
faibles que dans le SiO2. En effet, pour une même EOT de 2,6 nm, la densité de courant de
grille est de 4x10-8 A/cm2, pour le HfO2 et de 8x10-3 dans le cas du SiO2.
Fig. 35. Densité du courant de grille en fonction de l’EOT pour un oxyde de grille de type
SiO2 et HfO2. [CHAN – 03]
L’utilisation de matériaux High-K dans les oxydes de grille soulève une nouvelle
problématique, liée aux émetteurs naturels d’alpha qui peuvent être pour certains nœuds
technologiques fortement intégrés, une source de défaillances [WROB – 09].
De plus, l’utilisation de matériaux lourds dans la fabrication même de grille
métallique, ou dans la fabrication de couche d’interconnexion (cuivre ou d’aluminium) et des
via (tungstène) proche des zone sensibles du composant est un élément technologique qui peut
être considéré comme une source de défaillance liée à la problématique SEE [WARR – 05]
[REED – 06].
Les STI : Shallow Trench Isolation
Du fait de l’intégration technologique et du rapprochement des transistors les uns des
autres dans le layout d’un composant, des courants de fuites sont apparus. Ces courants
passaient d’un transistor à l’autre du fait de leur fort rapprochement. Ces fuites perturbent
53
drastiquement les performances du composant en créant un échauffement local. Dans les
années 1980, les fondeurs ont développé ainsi un procédé technologique lors du design du
layout du composant pour limiter ces courants de fuites : les LOCOS (LOCal Oxidation of
Silicon).
Quelques années plus tard, un autre procédé appelé STI, ou Shallow Trench Isolation, est
utilisé dans toutes les technologies CMOS à partir du nœud 0.25 µm. De manière plus
pratique, les STI sont des « tranchées » d’oxyde de silicium de quelques microns qui séparent
chaque transistor les uns des autres, comme nous pouvons l’observer dans le cas d’un
inverseur CMOS sur la Fig. 36 [NAND – 98].
Fig. 36. Vue simplifiée de l’implantation de STI au sein d’une technologie CMOS.
Ainsi, dès les années 2000, la surface des composants de type mémoire SRAM
fortement intégrée, i.e. 0.25 µm et au-delà, est donc entièrement recouverte de cette couche
d’oxyde de silicium, ouverte au niveau des régions fortement dopées (Drain, Source, Nwell,
Pwell, …).
La technologie SOI : Silicon on Insulator
La technologie SOI a été développée dans les années 1960-1970 pour satisfaire la
demande de circuits électroniques durcis à la contrainte radiation. Le substrat isolant était
initialement le saphir (matériau Silicon on Sapphire ou SOS) qui a été ensuite remplacé par le
SiO2 pour donner la technologie SOI. La caractéristique commune des matériaux SOI est
d’offrir, grâce à un oxyde enterré d’épaisseur variable (0.1 µm et 0.4 µm) selon le nœud
technologique, une totale isolation de la couche active des circuits (Source, Drain) vis-à-vis
54
du substrat de silicium massif grâce à la couche d’oxyde enterrée, comme illustré dans la Fig.
37 ci-dessous.
Fig. 37. Vue simplifiée d’un composant FDSOI (Fully Depleted SOI) de technologie 0.5 µm
de Lockheed Martin [BRAD – 98].
Dans un transistor MOSFET, seule la couche superficielle de silicium, d’épaisseur
0.1 µm-0.2 µm (c'est-à-dire moins de 0.1 % de l’épaisseur totale du wafer de silicium), est
vraiment utile au transport des porteurs (électrons ou trous). Le reste de l’épaisseur du substrat
est responsable d’effets parasites indésirables, que l’on peut éviter en faisant appel à une
structure SOI.
A présent, le SOI est définitivement passé du rôle de technologie « éventuellement
prometteuse » à celui de « nécessité urgente ». L’intégration ultime du CMOS ne peut être
envisagée sans SOI qui de plus assurera la transition entre micro et nanoélectronique. De
nombreux fondeurs sont passés à la technologie SOI pour permettre l’intégration croissante
des composants CMOS, tels que AMD, TSMC et bien d’autres.
Si l’on se replace dans le domaine d’application de cette étude, le domaine spatial,
les MOS SOI sont d’un grand intérêt. En effet, dû à leur faible volume actif, les composants
utilisant cette couche enterrée d’oxyde limitent fortement les effets transitoires, tels que les
SET ou SEU. Comme nous pouvons le constater sur la Fig. 38, la largeur d’un pulse SET peut
être très fortement réduite en utilisant un procédé de fabrication SOI plutôt que bulk (silicium
massif). Malheureusement, actuellement, ce type de technologie est encore trop avant-gardiste
pour être employé dans le projet de mission spatiale. En effet, les agences et les industriels du
secteur aérospatial utilisent encore majoritairement la technologie bulk. On peut en revanche
envisager que l’industrie du spatial réalise la transition technologique dans les années à venir.
PMOS NMOS
STI STISTI SOI
Substrat silicium
SOI
55
Fig. 38. Evolution de la largeur d’un pulse SET en fonction de la température pour une mémoire SRAM en technologie bulk et SOI de nœud technologique 0.5 µm de Lockheed
Martin [BRAD – 98]
2. Structures innovantes et perspectives pour la technologie MOS
Le renforcement du couplage électrostatique de la grille sur le canal du transistor passe
par l’augmentation de la valeur de la capacité par unité de surface développée par
l’empilement de grille diélectrique/silicium. Comme il a été évoqué précédemment, cette
augmentation s’est faite naturellement pour le transistor bulk par la diminution d’épaisseur de
l’oxyde de grille puis par l’introduction de grille métallique et de matériaux High-K pour des
épaisseurs d’oxyde équivalentes inférieures au nanomètre.
Une autre voie largement explorée au niveau pré-industriel puis depuis plus d’une
dizaine d’années est basée sur le changement d’architecture des dispositifs, utilisant la
technologie SOI couplée à des structures multi-grilles de divers types. Une large variété
d’architectures ont été proposées telles que :
Le double-grille planaire [HARR – 04] [HISA – 01]
Le double-grille vertical [HERG – 01]
Le triple-grille (Tri-gate) [GUAR – 01]
Le finFET [CHOI – 01] [HUAN – 99] [KEDZ – 02]
Le Gate-all-Around (GAA) [COLI – 02] [MONF – 02]
56
Ces structures montrent un excellent contrôle des effets de canal court qui résultent
d’un fort couplage entre le canal de conduction et l’électrode de grille qui entoure le canal.
Comme il est possible de s’y attendre, le contrôle électrostatique est amélioré (pour des
dimensions données du film de conduction constituant la partie active source-canal-drain du
transistor) lorsque le nombre équivalent de grilles augmente de 2 pour la configuration
double-grille à 4 pour une grille totalement enrobante [BESC – 04]. Il en résulte une
amélioration simultanée des courants à l’état bloqué (courant IOFF pour VG = 0, VD = VDD) et à
l’état passant (courant ION pour VG = VD = VDD) ainsi qu’une amélioration de la pente sous le
seuil (S).
L’une des dernières avancées en matière d’architecture de dispositifs est la mise au
point de transistors associant une architecture multi-grilles avec deux ou plusieurs canaux de
conduction : ce sont les dispositifs multi-canaux/multi-grilles. L’avantage principal de ces
structures est de gagner un facteur n sur le courant ION où n représente le nombre de canaux de
conduction. La Fig. 39 présente un panorama de quelques réalisations à l’état de l’art dans ce
domaine en pleine exploration ces toutes dernières années.
(a) Transistor GAA multi-canaux
(b) Transistor FinFET multi-canaux
Fig. 39. Panorama de réalisations de nanotransistors multicanaux sur Silicium. (a) transistor
à grille enrobante multi-canaux, (b) transistor FinFET multi-canaux
57
Deux types d’intégration des canaux peuvent être réalisés : une intégration horizontale
(n canaux côte à côte sur la surface du silicium), bien adaptée aux structures de type FinFET,
ou verticale (n canaux empilés) avec une grille de type totalement enrobante [BESC – 04].
Cette deuxième solution présente un avantage certain en terme de compacité des structures et
donc de densité d’intégration, bien que plus délicate à réaliser technologiquement parlant.
Cette liste d’architectures innovantes n’est naturellement pas exhaustive et bien
d’autres types de structures peuvent être des alternatives crédibles en microélectronique
comme les technologies de mémoires magnétiques, MRAM (Magnetic Random Access
Memory), ou ferroélectriques, FRAM (Ferroelectric Random Access Memory).
II. Evolution de la sensibilité SEE avec l’intégration technologique
1. Une sensibilité SEE croissante avec l’intégration technologique Des observations relevées lors de tests sous faisceau, ainsi que des outils de
simulations composant 3D ont permis d’explorer plus en détail les mécanismes liés à la
variation du LET seuil SEU en fonction de la longueur de grille sur des cellules SRAM 6T à
technologie bulk et SOI [DODD – 05]. Les résultats de simulation TCAD 3D obtenus par le
laboratoire de Sandia aux USA sont présentés sur la Fig. 40.
Fig. 40. Représentation du LET seuil d’une mémoire SRAM-6T pour deux types de
technologie SOI (avec Body-tie) et bulk en fonction du niveau d’intégration technologique (longueur de grille) [DOOD – 05] obtenus à partir de simulations TCAD 3D et recoupés avec
des résultats expérimentaux.
58
Les simulations montrent une chute importante de la valeur du LET seuil en fonction
de la longueur de grille. Pour la technologie 0,18 μm bulk, le LET seuil (pour une particule
frappant le drain du NMOS bloqué) est inférieur à 2 MeV.cm².mg-1, ce qui rend la structure
sensible aux particules alpha. En ce qui concerne la technologie SOI, on peut constater une
moindre sensibilité de mémoires SRAM en technologie, du fait du confinement de canal ainsi
que des jonctions via la couche d’oxyde enterrée ; cette couche empêche tout porteur généré
profondément dans le substrat de diffusion vers ces zones sensibles. Cependant, les résultats
prévoient une sensibilité aux particules alpha pour une longueur de grille de 180 nm. Ceci est
un problème important puisque les particules alpha sont des particules secondaires très
largement produites par l’interaction de protons ou neutrons avec le silicium. De plus, des
particules alpha sont émises par les impuretés radioactives dans les matériaux utilisés pour les
boîtiers de puces électroniques [WROB – 09].
Un second effet de la réduction d’échelle est l’augmentation du nombre de
basculements multiples de point mémoire (MBU) à fort LET. Cette accentuation de la
sensibilité en section efficace du composant vient déformer le plateau de saturation
généralement constaté à fort LET et forte énergie à saturer, comme on peut l’observer dans les
résultats expérimentaux présentés dans la Fig. 41 ci-dessous.
Fig. 41. Représentation de la sensibilité SEU en section efficace d’une mémoire SRAM 65 nm
de technologique bulk en fonction du LET issue des données expérimentales de travaux publiés par Xilinx. [QUIN – 07].
59
Ces effets de multi-collections et de basculements multiples sont intimement liés au
degré d’intégration technologique. Cependant, un autre élément prépondérant dans la
caractérisation des effets multiples est le rétro-couplage du circuit sur la perturbation
transitoire [WARR – 08]. Ce rétro-couple circuit dépend directement du layout de
l’électronique adjacente au composant impacté par la particule ionisante.
2. Durcissement aux SEE : la technologie FinFET et SOI Quelques travaux ont été réalisés afin d’investiguer la sensibilité de structure
innovante tels que les FinFET vis-à-vis du risque SEE [BALL – 10]. Les tendances observées
semblent indiquer une sensibilité inférieure des transistors NMOS basés sur une technologie
FinFET SOI, comme il est possible de le constater dans la Fig. 42. Ce cas peut être attribué au
faible volume sensible de ce type de technologie du fait d’une structure 3D sortant du volume
du silicium et de plus isolée du substrat par la couche de SOI.
Fig. 42. Comparaison de réponses transitoires et de charges collectées d’un transistor NMOS
de technologie planaire et de technologie FinFET SOI [BALL – 10].
Enfin, un phénomène qui tend à prendre une ampleur de plus en plus conséquente au
fur et à mesure de l’intégration technologique est le SET. En effet, l’intégration technologique
et donc la réduction d’échelle, induit des collections multiples aux différents nœuds du
composant impacté ou des composants annexes. De plus, la complexité croissante des circuits
renforce la sensibilité aux phénomènes dynamiques [LOVE – 10] [MAIL – 10]. Malgré les
différentes techniques de durcissement des systèmes électroniques, cet effet transitoire
60
continue d’induire une déstabilisation du système qui peut être critique dans certains cas.
C’est pour ces raisons que l’étude et la modélisation des effets transitoires (SET) deviennent
des éléments clefs de l’analyse et du diagnostic de défaillances de systèmes embarqués
[ROCH – 99] [MERE – 05] [TRUY – 07].
Une autre problématique qui concerne davantage les technologies SOI est l’effet de la
morphologie 3D de la trace générée par l’ion. En effet, l’isolement de la zone sensible du
composant dû à l’implantation de l’oxyde enterré pose le problème de l’impact de la largeur
d’ionisation radiale de la particule incidente. En effet, des travaux récents ont montré
l’importance des effets de trace dans les technologies SOI très fortement intégrées, comme
illustré dans la Fig. 43 [RAIN – 11].
Fig. 43. Représentation cartographique de l’impact du profil de trace induite par ionisation conduisant à l’apparition d’un SEU suite au passage d’un ion Krypton dans une mémoire
SRAM SOI de niveau technologique allant de 90 nm à 32 nm. [RAIN – 10].
On constate dans la cartographie présentée sur la Fig. 43 que le passage d’un ion lourd
tel que le Krypton pouvait induire le basculement du point mémoire, même si celui-ci est en
dehors de la zone active. Ce phénomène s’explique par la largeur de radiale de trace suite à
l’ionisation du silicium qui n’est plus négligeable par rapport aux dimensions des composants
les plus fortement intégrés. On remarque de même que cette phénoménologie tend à
s’accentuer avec l’intégration technologique du composant.
61
III. La roadmap technologique, un outil nécessaire pour la prédiction Les fondeurs en micro-électronique se sont réunis en consortiums (SIA, puis ITRS)
pour proposer des tendances d’évolution de la micro-électronique pour relever les challenges
de la miniaturisation, tel qu’il a pu être présenté de manière non exhaustive dans ce chapitre.
Une connaissance approfondie des tendances technologiques est une nécessité absolue
dans l’optique de réaliser une estimation de sensibilité de composants MOS. La prédiction des
SET et SEU passe avant tout par une identification des mécanismes physiques conduisant à
leur occurrence. Or, les grandeurs électriques participant à ces mécanismes dynamiques
dépendent directement des caractéristiques technologiques établies lors de la fabrication du
composant. Il est donc primordial d’être conscient des tendances technologiques proposées
par les fondeurs au fur et à mesure de la miniaturisation graduelle des composants MOS et de
maitriser leurs impacts.
Comme il a pu être présenté dans le précédent chapitre, les modèles de prédiction
d’erreur transitoire (double exponentiel ou diffusion ambipolar « classique ») nécessitent un
ajustement de leurs paramètres à partir de simulations TCAD préliminaires. La réalisation de
ces simulations techno-dépendantes souligne la nécessité d’un lien privilégié avec un fondeur
afin d’avoir une connaissance approfondie du composant. De ce fait, ces méthodes ou
modèles montrent leurs limites dans le cas d’utilisation end-user tel que peut-être, l’industrie
aérospatiale, ou des agences telles que le CNES ou l’ESA (European Space Agency).
L’objet des travaux de cette thèse est de proposer ne nouvelle approche assortie d’un
nouveau modèle de courant transitoire basée sur une description technologique compatible
avec une utilisation end-user, c'est-à-dire une description technologique issue de la roadmap
technologique, de publication ou de reverse technologique (si cela est compatible). Ce
nouveau modèle physique permettra d’étudier la sensibilité de composants quel que soit le
nœud technologique sans être directement lié à un fondeur et sans réaliser de simulations
TCAD préliminaires.
Ce challenge s’intègre dans une thématique de prédiction développée à l’ONERA au
Département Environnement Spatial (DESP) par Guillaume Hubert, avec le soutien et la
collaboration de plusieurs acteurs majeurs du milieu aérospatial et de la micro-électronique,
tels que le CNES, l’Université de Vanderbilt et Xilinx.
Comme cela a été présenté dans le chapitre précédent, la plate-forme de prédiction
MUSCA SEP3 développée à l’ONERA propose d’étudier la phénoménologie SEE ainsi que
d’estimer la sensibilité de composants. Pour cela, la plate-forme de prédiction s’appuie sur des
62
modèles de transport et de collection de charges. Le modèle de courant transitoire s’intègre
dans le développement de la plate-forme de prédiction dédié à l’estimation de phénomène
transitoire comme le SET. Comme pour la plate-forme MUSCA SEP3, le modèle de courant
transitoire qui sera proposé s’appuiera sur des essais sous faisceaux réalisés au sol, afin de
valider le modèle composant et le modèle de sensibilité issus de l’ITRS, ou la littérature
(VLIS (Very Large Scale Integration), …), ou du reverse technologique. Les variations des
paramètres que nous avons pu observer dans les roadmap ITRS ou SIA lors de ce chapitre
sont de l’ordre de +/- 25 % autour des valeurs préconisées par l’ITRS. Ces fluctuations
symbolisent les différences des procédés de fabrication du composant ainsi que la topologie
utilisée par les fondeurs pour un même nœud technologique.
Ces variations seront utilisées pour les paramètres technologiques d’entrée du modèle
de courant transitoire afin de proposer une estimation sous la forme d’une enveloppe du
risque SEE, que cela soit pour un courant transitoire, une section efficace de sensibilité ou un
taux opérationnel d’erreur.
Enfin, avant de pouvoir proposer un modèle end-user de prédiction de courant
transitoire basé essentiellement sur des données ITRS accessibles, il est nécessaire de réaliser
une étude des mécanismes de transport et de collection régissant cette même réponse
transitoire. Cette étude, qui est présentée en détail dans le chapitre suivant, permettra
d’identifier les paramètres technologiques clefs du modèle I(t) qui seront utilisés comme
paramètres d’entrée et issus des tendances technologiques de l’ITRS.
64
Le premier objectif de ce chapitre est d’analyser les mécanismes physiques qui
conduisent à l’apparition d’un courant transitoire dans une jonction PN. De nombreux travaux
ont déjà été menés sur cette thématique ; cependant, notre travail a pour spécificité d'une part
d'étudier ces mécanismes dans le cadre de technologies très intégrées et d'autre part, de
conduire à une modélisation physique des courants transitoires pour les MOS nanométriques.
Cette jonction est représentative de la jonction Drain / Substrat du transistor NMOS à
l’état logique off (ou dit bloqué), qui est la zone la plus sensible d’une cellule mémoire
SRAM. Le second objectif est d'identifier les paramètres technologiques qui caractérisent la
réponse transitoire du transistor. Ces paramètres seront utilisés comme entrée du modèle de
courant transitoire.
La simulation composant TCAD dont le principe est de reproduire mathématiquement
la fonctionnalité physique et électrique d'un composant est l’outil adapté d'une part pour
étudier les mécanismes physiques et d'autre part pour identifier les paramètres physiques,
circuits et technologiques influents.
I. Principe de fonctionnement de la simulation composant TCAD La simulation composant TCAD est une méthode particulièrement bien adaptée à
l’étude du comportement électrique d’un composant de type CMOS lors d’une perturbation
transitoire.
Ce type de simulateurs a été développé pour l’industrie microélectronique et plus
particulièrement pour les fondeurs afin de modéliser physiquement et électriquement la
fonctionnalité des composants électroniques. Les deux acteurs les plus connus dans le milieu
de la simulation TCAD sont Silvaco et Synopsys. C’est la suite de logiciel Sentaurus
développé par Synopsys qui a été utilisée pour cette étude de caractérisation
comportementale.
Ces simulateurs composants réalisent le calcul, par résolution numérique, des
équations physiques qui caractérisent le fonctionnement électrique du composant (Poisson,
continuité, drift-diffusion, hydrodynamique, etc…). Ces calculs numériques sont
particulièrement complexes et coûteux en temps. Ils permettent de modéliser en 3D le
comportement du composant en régime statique ou dynamique. La simulation TCAD est
devenue un outil indispensable dans la recherche et le développement en microélectronique
afin de minimiser les coûts de fabrication lors des étapes d’innovations et d’améliorations du
composant avant son passage en fonderie.
65
Dans le cadre de ces travaux, la simulation TCAD nous permet d’étudier et d’analyser
en détail l’ensemble des mécanismes physiques d’un composant MOS conduisant à
l’apparition d’un courant transitoire I(t) suite au passage d’une particule énergétique. De plus,
ces simulations TCAD vont permettre de dégager des tendances comportementales en
fonction des paramètres technologiques et/ou physiques. Cette étape est donc essentielle au
développement d’un modèle de courant transitoire adapté aux technologies fortement
intégrées.
Les logiciels de simulation TCAD sont composés de plusieurs niveaux de simulation
selon les besoins de l’utilisateur :
La simulation process s’attache à modéliser chacune des différentes étapes chimiques
et physiques de fabrication d’un composant. Cette simulation est réalisée par le
logiciel Sentaurus Process.
La définition d’une structure composant sans simulation process est possible, si
l’utilisateur ne souhaite pas tenir compte des « défauts » dans la simulation électrique,
liés à la fabrication du composant. Cette construction est effectuée via Sentaurus
Structure Editor qui permet de décrire l’ensemble des paramètres technologiques du
composant (dimensions, localisations et types des contacts, niveau et types de dopage,
etc. …).
La simulation électrique du composant qui permet d’évaluer le comportement
électrique du composant aussi bien en statique qu’en dynamique repose sur le logiciel
Sentaurus Device. C’est lors de cette simulation que les modèles de physique du semi-
conducteur doivent être définis pour tenir compte des mécanismes souhaités.
L’ensemble des simulations TCAD peut être réalisé en 2D ou en 3D, selon le degré
d’analyse souhaité. En revanche, il est indispensable, pour une étude quantitative, de recourir
à des simulations 3D. L’utilisation de simulations TCAD 3D est de plus en plus courante dans
l’étude des SEE. Elle permet de paramétrer les caractéristiques de l’ion impactant la structure
selon les trois dimensions. Il est ainsi possible de définir la charge réellement déposée par
l’ion dans la structure. De plus, le niveau d’intégration des technologies actuelles est si
important qu’il est devenu indispensable de simuler les phénomènes de collection de charges
multiples sur les trois axes. C’est pour ces raisons que les simulations TCAD sur lesquelles
cette étude du phénomène SEE est basée ont été réalisées en 3D.
La contrainte majeure d’une simulation TCAD 3D est le temps de calcul. Afin de
limiter le temps de calcul lors de l’étude d’un système complexe, les fondeurs ont recours à
66
l’association d’une simulation composant en 3D avec une simulation circuit de type Spice. Ce
type de simulation Composant/Spice, appelé simulation Mixte-Mode, permet de réduire le
temps de calcul, puisque seule une partie du circuit est modélisée en 3D, le reste étant
modélisé avec l’outil Spice. Dans le cadre de la problématique SEE, ce type de simulation
Mixte-Mode est principalement utilisé pour des études sur la propagation des impulsions SET
dans les chaînes logiques ou des circuits combinatoires.
Comme il a été rapidement introduit, la suite du logiciel Sentaurus est constituée de
deux parties distinctes : une partie « structurelle », qui définit la construction, et le maillage de
la structure du composant, et une seconde partie « simulation électrique », qui modélise le
comportement électrique en mode statique et/ou transitoire.
La première partie est réalisée par les deux logiciels, Sentaurus Structure Editor et
Mesh. Lorsque l’on souhaite effectuer une simulation TCAD, nous devons définir l’intégralité
des paramètres structurels du composant donné ; on définit alors la taille du composant, ses
dimensions et le nom des contacts et de chaque zone du composant, les profils de dopage,
leurs types, leurs valeurs. Tous ces paramètres sont définis dans le fichier de commande
command_dvs.cmd, comme illustré Fig. 44. Une fois la structure définie, il est alors
indispensable, pour réaliser la simulation électrique, de spécifier un maillage plus ou moins
raffiné selon les zones critiques du composant ; le simulateur calculera alors en chacun de ces
points l’intégralité des composantes physiques demandées.
Le maillage est réalisé par le logiciel Mesh et est défini dans le fichier grid_msh.tdr.
Un bon ajustement du maillage est primordial dans la simulation TCAD. En effet, il
conditionne, selon le nombre de points, la précision et le temps de calcul de la simulation
TCAD. Pour optimiser ce maillage, des simulations TCAD préliminaires sont réalisées de
manière itérative, en doublant le nombre de points dans les zones à étudier ; dans notre cas,
les zones où les variations des constantes physiques (champ électrique, concentration des
porteurs libres, etc. …) vont particulièrement changer au cours de la simulation dynamique.
Dans notre cas, ces zones peuvent être limitées à l’environnement proche de la zone de
déplétion autour de la jonction PN, ainsi qu’à la zone correspondant au parcours de la
particule dans le volume de silicium. Lorsque le résultat des simulations électriques devient
inchangé entre la simulation n et n-1, la structure définie avec le maillage de la simulation n-1
est sélectionnée pour la suite de l’étude de la structure.
67
Fig. 44. Schéma d’organisation de la suite de logiciels SYNOPSYS
Les simulations électriques (statiques et dynamiques) de la structure précédemment
modélisée sont réalisées via le logiciel Sentaurus Device. L’ensemble des instructions de la
simulation électrique est décrit dans le fichier command_des.cmd. C’est dans celui-ci que sont
définis tous les paramètres relatifs à la simulation électrique : les tensions appliquées aux
différentes électrodes du composant, les modèles physiques à utiliser, ainsi que les variables
physiques que nous souhaitons visualiser en sortie et enfin, le protocole de simulation :
polarisation par rampe, simulation transitoire, méthode de résolution numérique.
La simulation électrique fournit plusieurs types de fichiers de sortie. Deux fichiers
sont particulièrement nécessaires à l’analyse des résultats de simulation. Le fichier
current_des.plt contient l’ensemble des tensions et courants enregistrés aux électrodes du
composant simulé. La simulation permet aussi d’enregistrer la structure du composant
électronique dans un fichier plot_des.tdr aux instants prédéfinis (dans le protocole de
simulation) durant la simulation transitoire, comme illustré dans la Fig. 45.
68
Fig. 45. Coupe 2D d’une structure « jonction PN » avec visualisation des lignes du champ
électrique et de la zone de charge d’espace (zone de déplétion).
Ces fichiers peuvent être enregistrés pour des structures 2D ou 3D. Grâce à ce type de
fichier, il est possible de visualiser graphiquement la répartition de l’ensemble des variables
physiques désirées dans la structure du composant, telles que : la densité des porteurs, le
champ électrique, zone de charge d’espace, la vitesse de collection, la mobilité des porteurs,
etc., ….
La compréhension de la phénoménologie relative à l’apparition d’un transitoire de
courant I(t) va se baser sur une analyse détaillée de l’évolution de ces grandeurs physiques au
cours du temps. Une telle approche permet d’identifier les mécanismes électriques et
physiques conduisant à l’apparition de la réponse transitoire du composant. De plus, cette
approche permet de déterminer les paramètres technologiques du composant caractérisant le
phénomène de SET. Cette étude préliminaire par simulation TCAD est indispensable au
développement d’un modèle de courant transitoire physique et analytique dédié à la prédiction
SET et SEU.
69
II. Etude des mécanismes physiques caractérisant la réponse
transitoire d’une jonction P/N La première phase de cette étude est d’identifier les mécanismes physiques régissant le
fonctionnement d’une jonction P/N soumise au passage d’une particule ionisante. L’analyse a
été réalisée sur une structure simple de jonction N/P avec des profils de dopage uniformes
pour éliminer les phénomènes liés aux implants du substrat. Nous avons pu ainsi étudier
finement les mécanismes physiques dans différentes configurations d’ion incident. En effet,
les caractéristiques géométriques et énergétiques de l’ion (primaire ou secondaire) ont un
impact significatif sur la réponse transitoire.
Dans cette étude, nous allons distinguer deux cas très différents. Tout d’abord, le cas
du court-circuit qui correspond au passage d’un ion à travers la zone sensible, c'est-à-dire la
zone de déplétion de la jonction N/P. Le second cas est le cas en diffusion pour lequel l’ion est
éloigné de la zone de collection de la jonction N/P du composant.
1. Cas d’un ion court-circuitant la jonction PN Nous nous focalisons sur la réponse en courant SET (collectée au drain) suite au
passage d’un ion dans la jonction formée par le puits P dans un substrat N. La simulation
TCAD de cette structure académique nous permet de suivre l’évolution du champ électrique
et de la concentration des porteurs au niveau de la jonction PN en fonction du temps, comme
illustré sur la Fig. 46. Ce résultat de simulation a été obtenu pour un ion ayant un LET de
1 MeV.cm2.mg-1, un range de 1 µm et une incidence normale, centré sur le contact de la
jonction.
70
Fig. 46. Évolution temporelle du champ électrique ainsi que de la concentration des porteurs
à la jonction suite au passage d’un ion lourd primaire d’1 MeV.cm2.mg-1 et d’un range de 1 µm au travers du drain à incidence normale [ARTO – 10].
Nous constatons que l’on retrouve les deux phases qui caractérisent la réponse
transitoire en courant d’une jonction : la phase de collection et la phase de diffusion. La phase
de collection prompte débute à pst 5= , ce qui correspond au temps de génération de la
colonne de charges par la particule ionisante. La formation du plateau de courant est due à un
phénomène lié à deux grandeurs physiques : d’une part, la présence d’une grande quantité de
porteurs à la jonction PN et d’autre part, d’un champ électrique résiduel, ici de l’ordre de
2 ~ 3 x 104 V/cm soit plus ou moins 20 % du champ électrique initial.
Dans la phase correspondant au plateau de courant ( pst 6= à pst 70= ), la
concentration de porteurs libres diminue même à faible champ électrique (du fait de la
collection), et tend vers le niveau de dopage intrinsèque à la jonction. Cet équilibre retrouvé
entre la quantité de porteur libre et le dopage de la jonction conduit à la reformation de la
zone de déplétion et un retour progressif du champ électrique à sa valeur initiale. C'est cette
intersection, entre concentration des porteurs et dopage intrinsèque, que nous avons choisie
pour déterminer la fin de la phase de collection. La fin de la décroissance de la réponse
transitoire du courant est portée par la diffusion des porteurs, générés initialement dans le
substrat, vers la zone de collection (jonction N/P).
71
L’évolution de la concentration des porteurs conditionne l’évolution des paramètres
électriques de la jonction, ici représentés par le champ électrique. Ce point est
particulièrement important car il souligne l’importance de caractériser les variations de la
concentration des porteurs afin de rendre compte du mécanisme de collection lors du
phénomène SET [ROCH – 99]. En étudiant l’impact du LET de l’ion incident sur le
transitoire de courant, nous pouvons analyser ce processus de collection de charges. Des
simulations TCAD ont été réalisées avec le même protocole de simulation que précédemment
pour des valeurs de LET variables allant de 100 keV.cm2.mg-1 à 1 MeV.cm2.mg-1. La Fig. 47
met en relief l’impact du LET sur l’allure de la réponse transitoire. En effet, nous constatons
que plus le LET de la particule incident est important, et plus la valeur maximale du pic de
courant ainsi que la durée du plateau sont importantes.
Fig. 47. Évolution de la réponse transitoire en courant d’une jonction PN suite au passage
d’un ion lourd primaire de LET variable, allant de 100 ke .cm2.mg-1 à 1 MeV.cm2.mg-1 et d’un range de 1 µm au travers du drain à incidence normale.
Ce phénomène lié au LET de la particule est parfaitement connu ; en effet, le LET
définit la quantité de paires électron-trou induite par la ionisation du silicium. Ainsi, plus la
quantité de porteurs va être importante, et plus l’amplitude de la réponse transitoire en courant
sera importante.
72
Outre l’impact du LET sur la réponse transitoire, il semble aussi intéressant de
s’attarder sur l’impact que peut avoir le LET sur le champ électrique afin de valider la
phénoménologie précédemment décrite. Comme il est possible de l’observer sur la Fig. 48, le
LET conditionne l’atténuation du champ électrique à la jonction. Cette atténuation est donc
directement liée à la quantité de porteur libre qui réduit très fortement le champ électrique lors
du passage de la particule ionisante pour ensuite revenir au niveau initial une fois ces mêmes
porteurs collectés par l’électrode.
Fig. 48. Évolution temporelle du champ électrique d’une jonction PN suite au passage d’un ion lourd de LET variable, allant de 100 keV.cm2.mg-1 à 1 MeV.cm2.mg-1 et d’un range de
1 µm au travers du drain à incidence normale.
2. Cas d’un ion éloigné de la jonction PN Contrairement au cas en court-circuit, lorsqu’un ion génère une colonne de paires
électron-trou dans le substrat, les caractéristiques de la zone de déplétion ne sont pas ou très
peu modifiées. En revanche, d’autres mécanismes physiques peuvent être observés. Afin
d’étudier ces mécanismes, des simulations TCAD complémentaires ont été réalisées pour une
trace correspondant à un ion ayant un LET de 1 MeV.cm2.mg-1, un range de 1 µm et situé à
une profondeur de 1 µm sous la zone de collection. La Fig. 49 représente la réponse en
courant transitoire obtenue à partir de la simulation TCAD de la structure académique d’une
jonction N/P.
73
A la différence du cas en court-circuit, on peut distinguer deux pics lors de la réponse
transitoire en courant ; tout d’abord un premier pic capacitif, puis un second pic induit par la
diffusion des porteurs générés dans le volume vers la zone de collection.
Ce premier pic observé dans la Fig. 49 est un courant de déplacement JD induit par un
mécanisme capacitif. Ce courant est présent lors de certains phénomènes en régime
transitoire. En effet, lorsqu’une particule primaire ou secondaire ionise le silicium, le champ
électrique interne de la structure est brièvement perturbé par le réagencement des charges
[HUBE – 02].
Fig. 49. Réponse en courant suite au passage d’un ion secondaire d’1 MeV.cm2.mg-1 et d’un
range de 1 µm à la profondeur de 1 µm dans le substrat de la structure [ARTO – 10]
C’est cette perturbation transitoire du champ électrique interne qui induit le courant de
déplacement JD, comme indiqué dans les équations ci-dessous (10-12) [SCE – 07]. jwt
D eEwjJ 0ε= (10)
sachant que tDJ D ∂
∂= et ED ε= (11)
avec jwteEE = (12)
74
Ce courant de déplacement peut être observé dès le passage de l’ion lourd à 5 ps
comme montré dans la Fig. 49. Il se matérialise par un bref pulse d’une amplitude de 5x10-6A
et d’une durée inférieure à 10 ps. Ce pic représente seulement 0.1 % de la charge collectée
totale durant le phénomène SET. Cela explique pourquoi ce phénomène n’est pas observable
et quantifiable lors de la réponse en courant dans le cas du court-circuit. En effet, à titre de
comparaison, l’amplitude du pic de collection prompte lors du cas en court-circuit est de
l’ordre de 3.5 x 10-5A.
Le second pic de courant met en lumière le phénomène de diffusion des porteurs du
substrat vers la zone de déplétion de la jonction PN. En effet, ce second pic arrive 100 ps
après la génération de la colonne de charges. Ce retard est dû au temps nécessaire pour les
porteurs libres de diffuser jusqu’à la zone de collection.
Cette première phase de travail nous a permis de comprendre la phénoménologie du
SET dans une jonction PN et d’en dégager les grandeurs physiques majeures régissant la
réponse transitoire en courant, tels que le champ électrique et la concentration des porteurs
libres. Cette étude phénoménologique est indispensable au développement d’un modèle
transitoire. En effet, le modèle transitoire de courant se basera essentiellement sur les
mécanismes physiques à présent identifiés.
La seconde étape de ce chapitre consiste à analyser l’impact des paramètres
technologiques (liés au nœud technologique et donc au niveau d’intégration) sur la réponse
transitoire. Cette seconde partie de l’étude TCAD permettra de mettre en relief certains
paramètres en vue de leur utilisation pour le développement du modèle de courant transitoire.
III. Impact des paramètres technologiques sur la réponse en courant La première partie de ce chapitre nous a permis d'identifier les principaux mécanismes
physiques nous permettant de comprendre l'allure et la dynamique du courant transitoire.
Dans cette partie, nous allons évaluer l'impact des différents paramètres technologiques et
physiques sur la dynamique de ces mécanismes. Nous nous focaliserons plus particulièrement
sur les profils de dopage (substrat, drain well, couche épitaxiale, …). Les profils de dopage
étudiés sont le niveau de dopage du substrat Nsub, ainsi que le niveau de dopage du well, Nwell.
Ces deux niveaux de dopage déterminent les caractéristiques électriques de la zone de
déplétion de la jonction.
Afin de déterminer le degré d'influence de ces paramètres technologiques sur l’allure
de la réponse transitoire, plusieurs simulations TCAD en 3D ont été réalisées en considérant
75
plusieurs niveaux de dopage (Tableau 3). Ces simulations ont été réalisées dans un premier
temps pour le cas d’une jonction académique simple (avec dopage uniforme), puis dans un
second temps à partir de profils de dopage proches de technologie fondeur (Nwell, Pwell, couche
épitaxique). Il est important de noter que ces profils sont représentatifs d'un nœud 90 nm en
technologie bulk et utilisé pour un transistor MOS constituant une mémoire SRAM. Les
différents niveaux de profil de dopage utilisés pour les deux structures simulées sont résumés
dans le Tableau 3 ci-dessous.
Tableau 3. Tableau récapitulatif des profils de dopage utilisés pour la détermination du
paramètre technologique d’entrée du modèle de collection [ARTO – 10].
1. Etude d’une jonction N+ P académique
La Fig. 50 propose une vue 3D ainsi qu’une coupe 2D de la structure académique
simulée sous Sentaurus.
(a) (b)
Fig. 50. Représentation 3D (gauche) et une coupe 2D de la structure de la jonction N+ P « académique» réalisée par Sentaurus Structure Editor
76
La Fig. 51 illustre l’impact du niveau de dopage de l’implant N+ (Nwell) sur la réponse
transitoire pour un ion lourd ayant un LET de 1 MeV.cm².mg-1 (0.01 pC.µm-1, ou
0.23 MeV.µm-1), un range de 1 µm et court-circuitant le « drain » well. Les conditions de
polarisation de la jonction sont celles du drain d’un transistor NMOS à l’état off ; c'est-à-dire
polarisé en inverse à la tension d’alimentation du composant. La tension d'alimentation est de
1.2 V.
Fig. 51. Réponses transitoires de courant simulées en TCAD induite par un ion lourd incident de 1 MeV.mg-1.cm² traversant le « drain » well et la zone de collection (cas du court-circuit)
sur un range de 1 µm. Les deux simulations TCAD sont obtenues pour deux valeurs de dopage du « drain » well, 1 x 1020.cm-3 (carrés noirs) et 2 x 1020.cm-3 (ronds rouges) [ARTO –
10].
Ces premiers résultats indiquent que le niveau de dopage du Nwell influence peu la
réponse transitoire. Ce constat est particulièrement intéressant puisque cela signifie que la
description de l'implant N+ ne nécessite pas une connaissance précise du niveau de dopage.
La Fig. 52 représente l’impact du niveau de dopage du substrat Nsub sur la réponse
transitoire, pour les mêmes conditions de simulation et de trace mais avec des valeurs de
dopage comprises entre 1 x 1015.cm-3 et 1 x 1016.cm-3. Le premier enseignement que l’on peut
tirer de la Fig. 52 est que, pour une valeur de dopage élevée (1 x 1016.cm-3), nous observons
une amplitude maximum du pic de courant plus importante ; cela est dû à la présence d’un
champ électrique initial plus élevé pour de forts niveaux de dopage du substrat. En effet, ce
profil de dopage conduit à la création d’une jonction N+ P plus abrupte et donc un champ
77
électrique initial à la jonction plus élevé. Le second enseignement est la réduction de la
largeur du pic de courant ΔI, pour de forts niveaux de dopage de substrat. Ce mécanisme peut
être compris grâce au temps de collection des charges plus court pour les niveaux de dopage
de substrat les plus forts. En effet, comme illustré précédemment dans la Fig. 46, la durée du
pic de courant dépend du niveau de dopage intrinsèque du substrat, Nwell.
Fig. 52. Réponses transitoires de courant simulées en TCAD induites par un ion lourd
incident de 1 MeV.cm².mg-1 traversant le « drain » well et la zone de collection (cas du court-circuit) sur un range de 1 µm. Les trois simulations TCAD sont obtenues pour trois valeurs de
dopage du substrat, 1 x 1015.cm-3 (carrés noirs), 5 x 1015.cm-3 (ronds rouges et 1 x 1016.cm-3 (triangles verts). [ARTO – 10].
Afin de bien comprendre cette phénoménologie, il est nécessaire de détailler comment
la zone de déplétion se forme autour de la jonction. Les valeurs de dopage uniforme de la
structure N+ P simple sont des niveaux de dopage moyens et représentatifs des niveaux
réalistes d’une technologie 90 nm. Dans une jonction PN de type abrupte, la zone de charge
d’espèce ou zone de déplétion peut être calculée d’après les équations suivantes (13-17) :
78
( )ddswellsubwell
subsn V
NNNN
qx −Φ
+=
12ε (13)
( )ddswellsubsub
wellsp V
NNNN
qx −Φ
+=
12ε (14)
pnd xxX += (15)
( )ddswellsub
sd V
NNqX −Φ⎟⎟
⎠
⎞⎜⎜⎝
⎛+=
112ε (16)
où εs la perméabilité du silicium et Φs le potentiel de surface, sachant que :
⎟⎟⎠
⎞⎜⎜⎝
⎛ +=Φ
²ln*
i
wellsubS n
NNq
kT (17)
où ni est le niveau de dopage intrinsèque du silicium. Nous constatons dans l’équation (16)
que la profondeur de la zone de déplétion est caractérisée par Vdd (la tension de polarisation de
la jonction), par la valeur du dopage du substrat, Nsub et celui du « drain » Nwell. En revanche,
pour des valeurs de dopage couramment utilisées à ce niveau d’intégration technologique
(Nsub ~ 1 x 1015 – x 1016.cm-3 et Nwell ~ 1-2 x 1020.cm-3), la profondeur de déplétion Xd dépend
uniquement de Nsub. Ainsi, il est possible de simplifier au seul niveau de dopage du substrat,
le dimensionnement de la taille de la zone de déplétion ainsi que de ses propriétés électriques.
2. Etude d’une jonction N+ P technologique (90 nm bulk) L’objectif est de déterminer si la tendance et la phénoménologie observées, dans le cas
de la structure académique, sont toujours valides pour une structure proche d’une technologie
fondeur. La structure étudiée dans ce paragraphe est une jonction avec des profils de dopage
réalistes équivalents à la jonction Drain / Substrat d’un transistor NMOS 90 nm en
technologie bulk. Les profils de dopage de la couche d’épitaxie ainsi que du Pwell sont
présentés dans la Fig. 53 ci-dessous. Ces profils de dopage sont donnés en fonction de la
profondeur d’implantation dans le silicium.
L'analyse des profils de dopage, choisis de telle sorte à être technologiquement
représentatifs, nous indique d'une part la forte variabilité de la couche d’épitaxie (entre
~ 5 x 1013 et ~ 5 x 1015.cm-3), et d'autre part confirme que le niveau de dopage d’un implant
Pwell varie dans des proportions moindres (entre 1.5 x 1016 et 6 x 1016.cm-3). Ces valeurs ont
79
été prises en considérant les recommandations ITRS pour le nœud technologique 90 nm. Le
profil du dopage net (net doping) du substrat de cette structure dépend essentiellement du
profil du Pwell. En effet, en faisant la somme des profils de dopage, nous constatons la
prédominance de l’impact du profil du Pwell sur le net doping du substrat.
Fig. 53. A gauche, le profil de dopage de la couche épitaxiale de référence, 6 x 1014.cm-3
(ronds rouges), ainsi que deux profils correspondant à une décade supérieure, 6 x 1015.cm-3 (triangles verts) et à la décade inférieure, 6 x 1013.cm-3 (carrés rouges) du profil épitaxial de référence. A droite, le profil Pwell du substrat de référence, 3 x 1016.cm-3 (ronds rouges), ainsi
que de deux profils correspondant au double, 6 x 1016.cm-3 (triangles verts) et à la moitié, 1.5 x 1016.cm-3 (carrés rouges) du profil du substrat de référence.
En conséquence, nous pouvons supposer que des variations de niveaux de dopage de
la couche d’épitaxie auront peu d’impact sur la réponse transitoire en courant ; cette
hypothèse se trouve corroborée par les résultats de la Fig. 54. Les faibles variations constatées
dans l’allure des réponses transitoires sont principalement dues aux faibles différences de
variations de la profondeur de la zone de déplétion.
Pourtant, il est possible de constater une légère modification de l’allure de la réponse
transitoire pour le profil de dopage le plus élevé, Epi2. A ce niveau de dopage de la couche
d’épitaxie, ~ 5 x 1016.cm-3, les propriétés électriques de la zone de déplétion (épaisseur et
champ électrique) sont modifiées, ce qui explique la tendance observée dans la Fig. 54.
80
Fig. 54. Réponses transitoires en courant simulées (à gauche) et la charge totale collectée (à droite) en TCAD, induites par un ion lourd incident de 1 MeV.cm².mg-1 traversant le « drain » well et la zone de collection (cas du court-circuit) sur un range de 1 µm. Les trois simulations
TCAD sont obtenues pour trois valeurs de dopage de la couche d’épitaxie, 6 x 1013.cm-3 (carrés noirs), 6 x 1014.cm-3 (ronds rouges et 6 x 1015.cm-3 (triangles verts). [ARTO – 10]
Par ailleurs, nous pouvons considérer que le niveau de dopage de Pwell est le paramètre
qui domine dans la création de la zone de charge d’espace de la jonction. Le paramètre
technologique lié à la couche d’épitaxie n’est pas nécessaire aux entrées du modèle de courant
transitoire.
De fait, il est nécessaire de se focaliser sur l'influence due au niveau de dopage du
Pwell sur la réponse en courant, et ce, dans les cas en court-circuit et en diffusion. La Fig. 55
donne la réponse en courant pour chaque profil de dopage du Pwell induit par un ion lourd
ayant un LET de 1 MeV.cm².mg-1, un range de 1 µm et une incidence normale dans le drain.
Comme attendu, un faible niveau de dopage Pwell conduit à une amplitude Imax faible mais à
une largeur du pic de courant transitoire ΔI plus longue. La tendance décrite est tout à fait
comparable à celle observée pour la jonction académique avec des profils uniformes.
La Fig. 55 révèle également des valeurs de charges collectées totales relativement
proches pour chacun des profils de dopage du Pwell. Ce résultat sous-entend que les
mécanismes de recombinaison des porteurs libres sont peu impactés dans cette gamme de
niveau de dopage.
81
Fig. 55. Courants transitoires simulés (à gauche) et charge totale collectée (à droite) suite au passage d’un ion lourd incident de 1 MeV.mg-1.cm² traversant le « drain » well et la zone de
collection (cas du court-circuit) sur un range de 1 µm. Les trois simulations TCAD sont obtenues pour trois valeurs de dopage de la couche d’épitaxie, 6 x 1013.cm-3 (carrés noirs),
6 x 1014.cm-3 (ronds rouges) et 6 x 1015.cm-3 (triangles verts) [ARTO – 10].
Désormais, nous nous intéressons au cas spécifique d'une génération de porteurs
éloignée de la zone de déplétion. Pour cela, comme illustré par la Fig. 56, nous considérons
une trace d'ion ayant des caractéristiques comparables à celles précédemment utilisées (1 µm,
1 MeV.cm².mg-1, incidence normale) mais localisée sous la profondeur d’implantation du
dopage Pwell.
(a) (b)
Fig. 56. Coupe 2D de la structure de la jonction N+ P complexe simulée en TCAD dans le cas de « diffusion » à t =5 ps (a) et à 10 ps (b)
La Fig. 57 représente d'une part les réponses transitoires obtenues pour chaque profil
de dopage du Pwell et d'autre part l’évolution de la largeur de la zone de déplétion. Notre
82
analyse se focalisera spécifiquement sur le second pic de courant. En effet, comme nous
l'avons montré dans la partie précédente, le premier pic de courant, lié à un effet capacitif,
n'est pas suffisamment significatif pour induire un effet dans le composant MOS.
Fig. 57. Courants transitoires simulés (à gauche) et profondeur de déplétion (à droite) suite
au passage d un ion lourd incident de 1 MeV.mg-1.cm² d’un range de 1 µm à 1 µm de profondeur. Les trois simulations TCAD sont obtenues pour trois valeurs de dopage Pwell, 1 x 5.1016.cm-3 (carrés noirs), 3 x 1016.cm-3 (ronds rouges) et 6 x 1016.cm-3 (triangles verts)
[ARTO – 10].
Le premier constat est que le pic de courant transitoire s’amorce plus tardivement
lorsque le dopage Pwell est élevé (1 x 1016 .cm-3, triangles verts). Cela est dû à la forte
concentration d’impuretés (fort dopage) qui induit une fine zone de déplétion et donc une
profondeur de collection plus faible. Cette plus faible profondeur de collection induit une
distance relative plus importante entre la trace et la zone de collection, ce qui explique le
retard du pic de courant transitoire (courbe des triangles verts).
Un second constat peut être fait à partir de la Fig. 57 : nous observons un
comportement de l'amplitude du pic de courant (Imax) très différent de celui observé dans le
cas d'une trace court-circuitant le drain. En effet, l'amplitude de courant augmente dans une
proportion d'un facteur d'environ 3 lorsque le dopage Pwell est compris entre 1.5 x 1015.cm-3 et
83
1.5 x 1016.cm-3. Ce résultat peut être simplement expliqué par l’évolution dynamique de la
profondeur de déplétion.
A l’état initial, la zone de déplétion est plus large pour un faible niveau de dopage du
substrat (ou de Pwell) ; en d'autres termes, cela signifie que la jonction est plus abrupte.
Comme nous pouvons le remarquer sur la Fig. 57, la zone de déplétion est perturbée par la
diffusion des charges à proximité de la zone de collection du fait d’un faible niveau de dopage
de Pwell à mettre en comparaison avec la concentration des porteurs libres.
La Fig. 58 illustre parfaitement le lien entre la largeur de la zone de charge d’espace et
le profil de dopage Pwell implanté. Cette Fig. 58 est issue d’une coupe 2D d’une simulation
TCAD électrique de la jonction N+/P avec profil de dopage complexe. La zone de déplétion
est bien plus large pour un niveau de dopage Pwell faible (Pwell0) (à droite) alors qu’elle est bien
plus fine pour un niveau de dopage Pwell fort (Pwell0) (à droite).
Fig. 58. Coupe 2D de la structure de la jonction N+ P avec profil de dopage complexe. Zone de collection pour un niveau de dopage Pwell élevé (Pwell2) (à gauche) et pour un niveau de
dopage Pwell faible (Pwell0) (à droite).
Nous pouvons ainsi dire que ce sont les caractéristiques électriques (épaisseur, champ
électrique) de la zone de déplétion qui conditionnent la réponse transitoire. Cette analyse
phénoménologique est particulièrement importante dans l'optique de proposer un modèle
physique de transport et collection de charges. Nous allons ainsi à présent analyser plus en
détail le comportement de la zone de collection au cours d’une réponse transitoire.
84
3. Etude comportementale de la zone de déplétion d’une jonction
N/P Afin de procéder à la caractérisation physique de la zone de déplétion, deux
paramètres physiques essentiels, le champ électrique et la profondeur de déplétion, vont être
étudiés en détail. Pour réaliser cette analyse, deux simulations TCAD 3D ont été réalisées afin
de rendre compte du comportement électrique d’une jonction N+/P suite au passage d’un ion
(LET de 1 MeV.cm2.mg-1, range de 1 µm) générant des porteurs à une profondeur de 1 µm
sous le drain (configuration diffusion). Ces simulations TCAD ont été effectuées pour deux
niveaux de dopage de substrat Nsub (1 x 1015 et 1 x 1016.cm-3) afin d’analyser leurs impacts sur
les propriétés électriques de la zone de déplétion (Fig. 59 (a) et (b)).
(a)
(b)
Fig. 59. Évolution de profondeur de collection effective (a)) pour un niveau de dopage de 1 x 1015.cm-3 (carrés noirs) et pour 1 x 1016.cm-3 (ronds rouges). Évolution du champ
électrique à la profondeur de collection effective (b)) suite au passage d un ion lourd incident de 1 MeV.cm².mg-1 d’un range de 1 µm à 1 µm de profondeur
85
L’évolution des propriétés électriques de la jonction est un phénomène essentiel de la
collection des charges. En effet, le champ électronique définit la manière dont sont collectées
les charges lorsque celles-ci atteignent la zone de collection. La Fig. 59 illustre comment ce
paramètre physique évolue lors de la réponse transitoire en fonction du niveau de dopage du
substrat. Nous remarquons que pour un fort dopage (courbes rouges), le champ électrique et
l’épaisseur de la zone de déplétion sont faiblement modifiés par l'ionisation due à la particule.
Ce phénomène s’explique par le fait qu’à fort champ, la zone de déplétion est peu perturbée
par les porteurs libres qui l'atteignent. En revanche, un dopage plus faible (courbes noires)
conduit à un champ électrique faible dans la zone de charge d’espace qui est alors largement
modifiée par la diffusion des porteurs libres jusqu’à la jonction.
La vitesse de collection est représentative de l’évacuation par l’électrode des charges
se trouvant dans la zone de déplétion de la jonction. Ce paramètre électrique dépend de deux
grandeurs physiques : d’une part, le champ électrique dans la zone de déplétion et, d’autre
part, la mobilité des porteurs, elle-même dépendante du champ électrique, comme illustré
dans l’équation suivante :
XdXdXd EEV ×= )(μ (18)
où VXd est la vitesse de collection moyenne, µ la mobilité des porteurs dans la zone de
déplétion, et EXd le champ électrique moyen régnant dans la zone de charge d’espace.
Des travaux de Canali et Jacoboni de l’Université de Modena ont permis de proposer
des mesures de la vitesse de collection en fonction du champ électrique pour différentes
températures [CANA – 75] [CANA – 75] [JACO – 77]. La température a un impact non
négligeable sur l’évolution de la vitesse de collection comme il est possible de le constater sur
la Fig. 60. Plus la température ambiante est élevée et plus la mobilité des porteurs diminue.
On observe ainsi une diminution de la vitesse de collection pour des températures élevées. De
plus, le potentiel de surface lié au dimensionnement de la zone de charge d’espace est
fonction en qkT
de la température comme cela est défini dans l’équation (17).
Ce phénomène lié à la température a un impact sur la réponse transitoire en courant.
De nombreux travaux ont mis en évidence l’influence de la température sur l’allure du
transitoire de courant [TRUY – 07] [GADL – 09] ainsi que sur sa propagation dans des
circuits complexes [GADL – 09] [GADL – 11].
86
Fig. 60. Mesures de l’évolution de la vitesse de collection des électrons en fonction du champ
électrique pour différentes températures [CANA – 75]
Comme il a été présenté précédemment, le dopage du substrat détermine, d’après la
formule (16), la profondeur de la zone de charge d’espace. Le champ électrique moyen
régnant dans la zone de déplétion peut être approximé de la manière suivante :
Pour rappel (16) ( )ddswellsub
sd V
NNqX −Φ⎟⎟
⎠
⎞⎜⎜⎝
⎛+=
112ε
)()(2
dd
ddxd XdE
XV
E −−
=φ
(19)
XdXdXd EEµV *)(= (20)
où dE(Xd) est la différence de champ électrique entre la jonction N+/P et la limite de la zone
de charge d’espace.
Suite à cette étude par simulation TCAD, deux grandeurs physiques, le champ
électrique et l’épaisseur de la zone de déplétion, ont été identifiées comme particulièrement
importantes dans la phénoménologie régissant le phénomène de SET.
87
IV. Critique du modèle classique de diffusion Au début des années 2000, des travaux ont été réalisés à l’Université de Montpellier
[HUBE – 02] [MERE – 05] qui ont permis la mise en place d'un modèle transitoire de
courant. Ce modèle est basé sur le mécanisme de diffusion ambipolaire sphérique des charges
générées par la particule ionisante (voir chapitre 1).
Ce modèle est basé d'une part sur une discrétisation de la trace formée par les paires
électron-trou sous la forme de dépôts ponctuels, et d'autre part sur une discrétisation de la
surface de collection (à ce moment la surface du « drain »). La densité surfacique des porteurs
nS(t) est calculée à partir de l’équation (21) [MERE – 06] :
( )∫∫∫
−
= dxdydlDt
elLETdStnDt
d
S
23
4
4)(*)(
2
π (21)
où D est le coefficient de diffusion ambipolaire statique utilisé dans ce modèle comme
paramètre physique ajusté à partir de simulations TCAD préliminaires. Une première critique
concerne le coefficient de diffusion ambipolaire considéré comme une constante dans
l'approche classique. Il apparaît comme simpliste de modéliser un phénomène totalement
dynamique à partir d’un paramètre physique D constant durant tout le long de la réponse
transitoire. Nous allons dans les parties suivantes proposer une critique des bases de ce
modèle.
1. Critique du modèle de diffusion ambipolaire classique Des simulations TCAD ont été réalisées pour évaluer le principe de discrétisation de
la trace de l’ion en segments élémentaires tel qu’il est proposé dans le modèle classique.
Notre analyse repose sur une approche réalisée par simulation TCAD. L’évaluation de
la méthode de discrétisation est basée sur une comparaison de courants transitoires obtenus
par plusieurs simulations TCAD : une trace complète de 1 µm et 5 segments de 0.2 µm
équivalant à la trace complète. Le résultat de cette comparaison est présenté sur la Fig. 61. Si
nous comparons les résultats TCAD obtenus pour la trace complète et obtenus en sommant les
courants de chaque segment, nous pouvons souligner la bonne estimation de la largeur de pic
de courant. Par ailleurs, les charges collectées totales (intégration du courant) sont du même
ordre de grandeur.
88
Fig. 61. Simulations TCAD suivant le même protocole que le modèle de diffusion « standard».
Le courant de drain simulé (carrés noirs) est induit par un ion lourd d’incidence normale d’un LET de 1 MeV.cm-1.mg2, d’un range de 1 µm à une profondeur de 0.5 µm dans le
substrat. Les courants transitoires obtenus par simulation TCAD pour chaque point (symboles rouges vides) représentent un segment élémentaire de la trace suite à la
discrétisation. Somme de courant (triangles or) résultant des simulations TCAD pour chaque segment élémentaire. [ARTO – 10].
Cependant, nous constatons une surestimation significative du maximum de pic de
courant par la méthode sommant les courants issus des dépôts localisés. Cette surestimation
est très vraisemblablement due en partie à la différence de diffusion des porteurs pour les
dépôts locaux et celle à l’intérieur de la trace complète. Cette surestimation met en relief la
non prise en compte de l’écrantage du coefficient de diffusion ambipolaire D (cf. équation 21)
lors de la discrétisation de la trace, et donc plus généralement au caractère dynamique de ce
paramètre clé. En effet, nous pouvons estimer que le coefficient de diffusion ambipolaire est
fixe pour chaque dépôt local, et de l’ordre de 18 pour chacun d’eux, alors que D est fortement
atténué au cœur de la trace du fait de l’interaction des segments avoisinants sur le segment
donné. Ce phénomène repose sur le mécanisme de carrier-carrier scattering.
Cette analyse par simulation TCAD confirme donc la remarque faite précédemment
concernant le coefficient de diffusion ambipolaire D. Il est nécessaire, pour réaliser une
modélisation réaliste et physique de la réponse transitoire, de proposer un modèle de diffusion
89
ambipolaire totalement dynamique et reposant sur le phénomène de carrier-carrier scattering.
Cette modélisation dynamique du coefficient de diffusion ambipolaire D(t) sera présentée
dans le chapitre suivant.
2. Critique du modèle de collection classique Un dernier élément du modèle classique qui semble particulièrement problématique
est la modélisation de la collection des charges. En effet, pour rappel, la densité surfacique
des porteurs nS (t) calculée est convertie en courant I(t) via un modèle de collection qui prend
en considération une vitesse de collection V totalement statique durant la réponse transitoire.
VqtntI S **)()( = (22)
La vitesse de collection V est statique et est obtenue à partir de simulations TCAD
préliminaires. Ce point pose vraisemblablement un problème majeur dans la modélisation de
la réponse transitoire. En effet, nous avons pu constater dans les résultats présentés
précédemment que le champ électrique (et donc la vitesse de collection) variait lors de la
réponse transitoire. La Fig. 62 met un peu plus en relief les limites du modèle de collection
utilisés dans le modèle de courant transitoire classique.
Fig. 62. Comparaison de l’évolution de la vitesse de collection de charge calculée par
simulation TCAD et par le modèle de collection de charge classique suite au passage d’une particule ionisante d’un LET de 1 MeV.cm².mg-1 d’un range de 1 µm à 1 µm de profondeur.
90
En effet, nous pouvons constater que la vitesse de collection varie au cours de la
réponse transitoire (courbe noire) au vu des résultats obtenus par la simulation TCAD. Ce
constat est à mettre en perspective avec la non-évolution de la vitesse de collection V du
modèle classique.
V. Synthèse Ce chapitre a permis, à partir de simulations TCAD, d’identifier les mécanismes de
transport des porteurs et de collection de charges conduisant à l’apparition de la réponse
transitoire I(t). Les mécanismes de transport sont fortement liés au phénomène de diffusion
ambipolaire tout en tenant compte de l’effet de carrier-carrier scattering. D’autre part, les
mécanismes de collection de charges reposent sur une modification des propriétés électriques
de la zone de déplétion induite par la concentration de porteurs libres à la jonction. Ces
paramètres électriques que sont le champ électrique, la largeur de zone de déplétion et la
vitesse de collection dépendent directement de deux paramètres technologiques : la tension
d’alimentation et le niveau de dopage du substrat. Ce dernier paramètre étant difficile d’accès
par un utilisateur lambda, la capacité de jonction drain / substrat a été choisie comme
paramètre d’entrée pour le développement du modèle de courant transitoire qui sera présenté
dans le chapitre suivant. La capacité de jonction est un paramètre caractéristique pour chacun
des nœuds technologiques et peut être obtenue à partir des roadmaps technologiques ITRS ou
SIA ou peut être extraite directement du composant via un reverse technologique si celui-ci
est possible.
Les limitations du modèle de diffusion classique ont été clairement relevées. En effet,
la non prise en charge du phénomène de carrier-carrier scattering est une limitation
importante dans la modélisation du transport de charge. Par ailleurs, la non prise en compte de
la modulation de la vitesse de collection au cours de la réponse transitoire est une limitation
majeure dans la modélisation de la collection de charges pour des technologies
nanométriques.
Dans le chapitre suivant, le nouveau modèle de courant transitoire va être présenté en
s’appuyant sur cette étude phénoménologique. Il utilisera le paramètre technologique du
dopage du substrat pour caractériser le phénomène de collection de charge. L’approche
retenue se base sur une modélisation dynamique des phénomènes de transport et de collection
de charges.
91
Chapitre 4 :
Développement d'un modèle de courant transitoire
dédié aux technologies fortement intégrées
92
L’étude par simulation TCAD a permis d’identifier les mécanismes dynamiques de
transport et de collection qui régissent la réponse transitoire en courant. L’objectif consiste
désormais à proposer un modèle physique estimant l’allure de la réponse transitoire du
composant MOS à partir de sa description technologique, et des paramètres clefs identifiés
dans le chapitre précédent. Le degré de précision de cette description dépendra des
informations disponibles par l’utilisateur. Ainsi plusieurs cas de figures sont possibles :
Accès aux informations technologiques directement par le fabricant
Accès aux informations technologiques grâce à une phase d'extraction
technologique
Accès aux informations technologiques à partir des tendances ITRS [ITRS –
07].
Afin de répondre aux exigences de la prédiction SEE (ion lourd, neutron, proton), ce
modèle doit permettre d’estimer la réponse SET du composant MOS quelles que soient les
caractéristiques énergétiques et géométriques de l’ion (court-circuit, diffusion, etc.…).
L’approche retenue est basée sur une modélisation séquentielle des mécanismes physiques : la
diffusion ambipolaire des porteurs et la collection dynamique des charges.
I. Principes du modèle
Le modèle de courant transitoire a été nommé ADDICT pour Advanced Dynamic
Diffusion Collection Transient [ARTO – 11] et son principe général est illustré par la Fig. 63.
Il repose sur la modélisation séquentielle du transport des porteurs et de la collection des
charges par les zones sensibles du composant MOS.
Conformément aux mécanismes précédemment présentés, la première étape consiste à
modéliser la diffusion ambipolaire de la colonne de porteurs générée dans le volume de
silicium. Ces porteurs sont ainsi transportés par diffusion jusqu’aux zones sensibles et les
électrodes du composant collectent ces charges qui sont évacuées par le champ électrique
présent à la jonction. Les courants transitoires calculés correspondent à la collection des
charges par le drain de chacune des structures MOS. Comme il a été présenté dans le chapitre
3, la délimitation de cette zone de collection peut être réduite au volume défini par la zone de
charge d’espace créée autour de la jonction implant/substrat.
Les deux paragraphes suivants vont décrire de manière fine la modélisation des
mécanismes de transport et de collection retenue dans l'approche ADDICT.
93
Fig. 63. Représentation schématique du principe du modèle ADDICT en séquençant la
modélisation. Après une discrétisation de la trace de l’ion lourd en segments, la diffusion ambipolaire rend compte des mécanismes de transport. La collection dynamique par la zone
de déplétion du drain est ajustée en fonction de l’impact de la diffusion des porteurs libres vers cette zone de collection.
1. Modélisation dynamique de la diffusion ambipolaire
La diffusion ambipolaire est un mécanisme spécifique de la diffusion. En effet, quand
la densité d’électrons est égale à la densité de trous, l’équation de Poisson impose un
déplacement identique des deux types de porteurs. Le coefficient de diffusion ambipolaire D
est l’image de la mobilité moyenne des électrons et trous. Ce mécanisme ne peut être
considéré que dans un milieu à champ électrique nul ou quasi nul et où la concentration des
porteurs libres est extrêmement majoritaire, comme dans le cas de la génération d’une
colonne de paires électron-trou par ionisation du semi-conducteur. Il est donc possible de
calculer une densité de porteurs à partir du formalisme proposé par le modèle de diffusion.
Les cas simples de calcul de concentration de porteurs sont ceux relatifs d'une part à la
diffusion sphérique (où les porteurs sont déposés dans un volume réduit) et d'autre part à la
diffusion cylindrique [PALA – 01]. Ces cas particuliers ont une solution analytique de la
forme suivante :
94
2
)4
(
0)4(
2
k
Dtr
tD
eNn×
=−
π (23)
où r est le rayon de la sphère ou du cylindre considéré. Dans le cas d’une diffusion sphérique,
k = 3 et le N0 est le nombre total de porteurs générés et D est la constante de diffusion
ambipolaire. D’après les conclusions issues de l’étude TCAD présentées dans le chapitre 3, la
modélisation de ce paramètre D nécessite une approche dynamique, c’est-à-dire D(t), afin de
rendre compte de l’effet de carrier-carrier scattering.
Dans l’optique de modéliser plus physiquement le transport des porteurs générés le
long du parcours d’un ion, rapporté à la surface de la zone collection, le modèle ADDICT
repose sur le principe de la diffusion ambipolaire sphérique illustré par l’équation suivante :
( )∫∫
−−
=rangeS
tttD
l
s
drain
dldSttD
etLETtn/ 2
3
)(4
)(4)()(
2
π
τ
(24)
où nS(t) correspond à la représentation spatiale et temporelle de la concentration de porteur.
Les paramètres suivants caractérisent le mécanisme de diffusion ambipolaire : D(t) est le
coefficient dynamique de diffusion ambipolaire, l est la distance calculée entre chaque
segment de la trace et la (ou les) zone(s) de collection (le drain de chaque transistor), et enfin
τ qui représente la durée de vie des porteurs et dépend directement de la concentration des
dopants du substrat [UZNA – 10]. Ce paramètre τ définit le niveau de recombinaison des
porteurs libres dans le volume de silicium. Le schéma de principe de la modélisation
ambipolaire peut être résumé par la Fig. 64.
Fig. 64. Représentation schématique du principe de diffusion ambipolaire sphérique employé
dans le modèle ADDICT. [MERE – 05].
95
Par définition, le coefficient ambipolaire D(t) dépend de la mobilité respective des
électrons et des trous [ROSL – 94] [LINN – 94] comme indiqué dans les équations suivantes :
)()()(*)(
*2)(tDtDtDtD
tDpn
pn
+= (25)
avec q
kTtµtD nn *)()( = et q
kTtµtD pp *)()( = (26)(27)
En effet, le modèle de diffusion utilisé dans l'approche ADDICT repose sur l’évolution
temporelle de ce coefficient ambipolaire qui peut fluctuer dans le silicium de 2~3 cm2.s-1
jusqu’à 18 cm2.s-1 [SZE – 04]. Afin de rendre compte de l’écrantage dynamique de ce
coefficient ambipolaire, présenté dans le chapitre 3, l’atténuation de la mobilité des porteurs,
μn(t) et μp(t), par l’effet de carrier-carrier scattering, a été modélisée de la manière suivante
[CHOO 74] :
)(11
1)(
,0 t
tµ
pnn
n
μμ+
= (28)
)(11
1)(
,0 t
tµ
pnp
p
μμ+
= (29)
avec ( )⎥⎥⎦
⎤
⎢⎢⎣
⎡×⎟
⎠⎞
⎜⎝⎛×+×= − ))()(
3001ln(
)()(
)300
()( 3
12
5.1
, tptnTFtptn
TAt L
pnμ (30)
sachant que 42
0 3001450
.−
⎟⎠⎞
⎜⎝⎛=
Tnμ (31)
42
0 300450
.−
⎟⎠⎞
⎜⎝⎛=
Tpμ (32)
où, µp0 et µn0 sont les mobilités intrinsèques des trous et des électrons et ont pour valeurs
450 cm2.V-1.s-1 et 1450 cm2.V-1.s-1 à température ambiante (T = 300° K) [SCE – 04].
96
De cette manière, il est possible de rattacher le coefficient de diffusion ambipolaire
D(t) à la concentration des paires électron-trou générées par l’ion (n(t) et p(t)). Les données
présentées sur la Fig. 65 concernent les variations calculées par le modèle ADDICT, de la
mobilité des porteurs (ici des électrons, en noir)), et du coefficient de diffusion ambipolaire
(en rouge) en fonction de la concentration de porteurs libres.
La mobilité des porteurs est aussi fonction de la température T, comme illustré dans les
équations (30), (31) et (32). La température étant une contrainte extérieure, elle peut être prise
en compte dans la modélisation de la diffusion des porteurs dans le volume de silicium. Bien
qu’intéressant, l’impact de la température sur la sensibilité aux SET des composants CMOS
n’est pas l’objet de cette étude. En revanche, cela peut être une des applications possibles du
modèle ADDICT pour de futurs travaux.
Fig. 65. Variations de la mobilité des électrons et de la diffusion ambipolaire dans un
substrat de silicium en fonction de la concentration des porteurs libres voisins, calculées par le modèle ADDICT en se basant sur le modèle de carrier-carrier scattering [ARTO – 10].
A présent que le coefficient de diffusion ambipolaire est modélisé dynamiquement, il
est important d’identifier et de prendre en compte l’impact ou non de la concentration du
substrat du composant sur l’évolution de la concentration des porteurs n(t) et p(t).
97
Plusieurs simulations TCAD d’une trace d’ion secondaire pour des LET différents ont
été réalisées dans un volume de silicium suffisamment grand pour éliminer tout effet de bord.
Les modèles de mobilité ont naturellement été pris en compte pour ces simulations : modèle
de mobilité dépendant de la concentration des porteurs libres (carrier-carrier scattering) et
modèle de mobilité dépendant du dopage du silicium. Les résultats des simulations TCAD,
présentés dans la Fig. 66, illustrent l’évolution de la concentration des porteurs libres relevée
au cœur de la trace de l’ion secondaire à chaque instant, depuis la génération de l’ion à 5 ps
jusqu’à la fin de la simulation à 10 µs.
La concentration des porteurs libres est déduite par des coupes 2D centrées sur le cœur
de la trace en fonction du temps. Comme il est possible de le constater sur la Fig. 66, le
comportement de l’évolution de la concentration des porteurs au cœur de la trace en fonction
du temps est identique quel que soit le niveau de dopage du silicium. Les niveaux de dopage
simulés sont représentatifs des technologies CMOS intégrées, allant ainsi de 1 x 1014.cm-3 à
1 x 1018.cm-3. Cette information est particulièrement importante du point de vue des
paramètres d’entrée du modèle ADDICT. En effet, il n’est que très rarement possible d’avoir
accès à cette information technologique. Le non-impact des variations du niveau de dopage
est donc particulièrement intéressant et permet d’éliminer ce paramètre technologique des
données d’entrée du modèle ADDICT.
Fig. 66. Protocole des relevés de concentration de porteurs suite aux simulations TCAD 3D
de diffusion au cœur d’une trace d’ion lourd dans un volume de silicium.
98
Le second résultat intéressant est la loi de proportionnalité entre le niveau de
concentration des porteurs et le LET de l’ion, quel que soit le niveau de dopage du silicium.
L’évolution de la concentration des porteurs est strictement proportionnelle au LET. On peut
donc établir la relation suivante :
REFtnLETtn )(*)( = (33)
On considère n(t)REF, comme une abaque de référence de l’évolution de la
concentration des porteurs au cours du temps. Cette référence est prise pour un LET de
1 MeV.mg-1.cm² et est obtenue par simulation TCAD puis utilisée comme une base de
données par le modèle ADDICT.
Un troisième élément intéressant de la Fig. 66 tient dans la légère décroissance
observée à partir de 1 x 10-8 s. Ce phénomène correspond à la recombinaison des porteurs
libres par le substrat selon le niveau de dopage.
Comme il a été présenté en début de chapitre, le modèle de diffusion prend en compte
ce procédé de recombinaison qui intervient en τ1
− dans le calcul de l’évolution spatiale et
temporelle de la concentration des porteur nS(t), comme illustré dans de précédents travaux
[UZNA – 10].
( )
∫∫−−
=rangeS
tttD
l
s
drain
dldSttD
etLETtn/ 2
3
)(4
)(4)()(
2
π
τ
(34)
La modélisation de la recombinaison des charges par le substrat repose sur la durée de
vie des porteurs. En effet, cette durée de vie τ dépend principalement de la concentration des
dopants présents dans le substrat du composant comme illustré ci-dessous dans la Fig. 67
[TORR – 03]. Un fort niveau de dopage du substrat augmente la recombinaison des porteurs
avec les atomes de dopant, diminuant ainsi la durée de vie des porteurs libres τ. La
conséquence directe d’un fort niveau de dopage du substrat sera une décroissance plus rapide
du pic de courant transitoire I(t).
La valeur précise du niveau de dopage du substrat n’est pas une nécessité pour le
modèle de recombinaison. La roadmap ITRS est suffisante pour indiquer les gammes de
niveaux de dopage du substrat utilisées pour chaque nœud technologique, comme illustré par
la Fig. 67.
99
Fig. 67. Evolution de la durée de vie des porteurs en fonction du niveau de dopage selon le
nœud technologique.
La première étape de l’approche développée dans ADDICT était la modélisation de la
diffusion ambipolaire qui permet de retranscrire le transport des paires électron-trou dans le
substrat de silicium, c'est-à-dire là où le champ électrique peut être considéré comme quasi
inexistant.
La seconde phase de la méthode ADDICT est de modéliser la collection de ces charges
après qu’elles aient diffusé aux abords des zones sensibles du composant, c'est-à-dire au
voisinage de la zone de charge d’espace à la jonction implant / substrat.
2. Modélisation dynamique de la collection de charges La zone de charge d’espace générée par la jonction drain / substrat peut être considérée
comme une zone de pure collection des charges qui peuvent alors se recombiner dans le
circuit extérieur et générant un courant transitoire parasite. En effet, il a été montré [EDMO –
97] que le courant de diffusion des porteurs minoritaires à la limite de la ZCE est égal au
courant de drift des porteurs minoritaires toujours à cette même limite de ZCE. Le courant
transitoire peut donc être interprété comme un pur courant de drift à l’intérieur de la ZCE, et
être exprimé sous la forme suivante :
100
)()()( tVqtntI XdS ××= (35)
où le courant I(t) est obtenu par le produit de la densité de porteurs surfaciques nS(t), calculée
à partir du modèle de diffusion dynamique précédemment présenté, par la charge élémentaire
q, et enfin par la vitesse dynamique de collection VXd(t).
Les études TCAD qui ont été présentées dans le chapitre 3 ont clairement montré que
la vitesse de collection peut être considérée comme l’image des propriétés électriques de la
zone de collection (champ électrique, tension d’alimentation, etc.). C’est pour cette raison
qu’elle doit faire l’objet d’une modélisation spécifique, et ce, afin de rendre compte des
variations des propriétés électriques de la zone de collection au cours du phénomène
transitoire : la dynamique de collection, VXd(t).
A la limite de la zone de charge d’espace, la vitesse de collection fluctue entre vmin et
vmax (2 x 106 cm/s et ~1 x 107 cm/s) due à la saturation de la mobilité des porteurs [SCE – 07],
et dépend du type de porteur, électron ou trou [CANA – 75] [JACO – 77].
La modélisation de vXd(t) représente l’impact de la colonne de charge induite suite au
passage d’un ion, sur les caractéristiques électriques de la zone de déplétion, comme illustré
sur la Fig. 68.
Fig. 68. Représentation schématique du principe de modulation des caractéristiques de la
zone de déplétion selon l’impact de la diffusion des porteurs, en comparaison avec une modélisation par simulation TCAD.
Les mécanismes de modulation et de saturation de potentiel sont similaires à un
phénomène longuement étudié, le field-funneling, ou les déformations de lignes
d’équipotentiels de la jonction [HSIE – 81] [HU – 82] [EDMO – 91].
Le principe de la modélisation de la collection des charges dans ADDICT repose sur
une modification des propriétés électriques de la jonction drain / substrat due à la présence
Modélisation TCAD Modélisation ADDICT
101
d'une concentration de porteurs libres qui peut être plus ou moins forte selon le niveau
d'injection des porteurs. Comme il a été identifié dans le chapitre 3, suite à la diffusion des
porteurs jusqu’à la jonction, le champ électrique et la vitesse de collection sont atténués. La
modélisation de la dynamique de collection de charge vXd(t) repose donc indirectement sur la
représentation spatiale et temporelle de la concentration de porteur n(t).
Cette modélisation est basée sur l’utilisation du paramètre Cdepletion qui définit, comme
expliqué dans le chapitre 3, la vitesse de collection intrinsèque de la jonction InitXdv à partir du
champ électrique moyen régnant dans la ZCE.
Pour rappel (7) d
Sidepl X
Cε
=
et (19) )()(2
dd
ddxd XdE
XV
E −−
=φ
Les variations temporelles de la vitesse de collection sont liées au rapport de la
capacité de la ZCE et de la colonne de charge, comme présenté dans les équations suivantes :
ββ
μ 10
1⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛+
=
c
xd
xdinitXd
EE
EV (36)
)()()( minmin vvtkvtv Init
XdXd −×+= (37)
)()(
tCCC
tkiondepletion
depletion
+= (38)
∑=range
ionnion tCtC )()( _ (39)
∫=l
sionn dltntC )()(_ (40)
où k(t) est le coefficient d’atténuation de Init
Xdv en fonction du temps. Cette atténuation
dépendant de n(t), elle est donc fonction des caractéristiques énergétiques et géométriques de
l’ion. Le coefficient k(t) est le ratio entre la capacité équivalente de la zone de déplétion
102
Cdepletion et la somme des capacités équivalentes de chaque segment de la trace d’ion, Cion(t).
Cette somme est issue de la répartition temporelle et spatiale préalablement calculée nS(t)
rapportée par unité de longueur afin d’être homogène avec une capacitance.
Le modèle de collection qui vient d'être présenté apporte donc un éclairement nouveau
en intégrant le rapport étroit qui existe entre la vitesse de collection et la concentration des
porteurs atteignant la zone de charge d'espace, et par conséquent, perturbant son champ
électrique.
3. Impact des caractéristiques de l’ion sur ADDICT Dans cette partie, nous allons analyser l’impact que peuvent avoir certaines
caractéristiques ou paramètres d’une particule ionisante (LET, géométrie, localisation) sur les
paramètres physiques des modèles utilisés dans ADDICT.
i. Impact du LET En premier lieu, nous allons nous focaliser sur l’impact du LET sur la mobilité des
porteurs, sur le coefficient de diffusion ambipolaire et sur la vitesse de collection dans la zone
de déplétion.
Les calculs de la mobilité des électrons et trous puis du coefficient ambipolaire D(t),
ont été réalisés pour des ions d’un LET 1 et 10 MeV.cm2.mg-1 (pour un range constant de
1 µm), afin de mettre en évidence l’impact du LET sur ces deux paramètres physiques. La
Fig. 69 illustre cet impact pour le cas de la mobilité des électrons.
Après une brève mais forte atténuation, la mobilité revient progressivement à son
niveau intrinsèque (1450 cm2.V-1.s-1 pour les électrons [SZE – 04]). Nous constatons
également une plus forte atténuation de la mobilité suite au passage d’un ion de
10 MeV.cm2.mg-1 (ronds rouges). Ce phénomène issu de notre modèle illustre très bien la
phénoménologie identifiée dans le précédent chapitre, se basant sur le mécanisme de carrier-
carrier scattering. A titre de comparaison, la non évolution de la mobilité des électrons, en
fonction du temps, prise en compte dans le modèle de diffusion classique [MERE – 05] est
représentée sur la Fig. 69 (carrés bleus).
103
Fig. 69. Variation de la mobilité des électrons au cours du temps en fonction du LET de la
particule ionisante.
Le même constat peut être déduit de la Fig. 70. Le coefficient de diffusion ambipolaire
est modulé, aussi bien en terme d’amplitude qu’en terme de durée, en fonction du LET de la
particule ionisante. De la même manière que dans la figure précédente, la non évolution du
coefficient de diffusion ambipolaire des charges au cours du temps est représentée sur la
Fig. 70 tel qu’il est défini dans le modèle de diffusion classique [MERE – 05].
104
Fig. 70. Variation du coefficient de diffusion ambipolaire au cours du temps en fonction du
LET 1 et10 MeV.cm2.mg-1 de la particule ionisante.
La modulation des caractéristiques électriques de la zone de collection modélisée au
travers de la vitesse de collection dépend directement de la quantité de charges générées dans
le substrat, et donc du LET de l’ion. De cette manière, plus le LET de l’ion (primaire ou
secondaire) est important, plus le coefficient d’atténuation est faible, et plus la vitesse de
collection est fortement atténuée jusqu’à sa valeur minimale (2 x 106 cm.s-1). C'est
précisément ce que montre la Fig. 71.
105
Fig. 71. Evolution temporelle de la vitesse de collection en fonction du LET de la particule
incidente située à proximité de la zone de charge déplétion d’un transistor NMOS.
Un autre effet induit par une particule de fort LET est le temps de maintien de la
vitesse de collection à son niveau le plus bas avant que les porteurs finissent par être évacués
par le champ électrique, ou soient recombinés par le substrat. Nous observons alors un retour
de la vitesse de collection à son état initial. Ce phénomène est parfaitement retranscrit par le
modèle de collection d’ADDICT dans la Fig. 71. De la même manière que dans les deux
figures précédentes, l’indépendance de l’évolution de la vitesse de collection au cours du
temps en fonction du LET défini dans le modèle transitoire classique [MERE – 05] est
représentée dans la Fig. 71.
ii. Impact de la localisation de l’ion Nous allons désormais étudier les variations des différents paramètres physiques
utilisés par les modèles d’ADDICT en fonction des caractéristiques géométriques de l’ion.
Les calculs ont été réalisés pour un ion caractérisé par un LET de 1 MeV.cm2.mg-1, un
range de 1 µm et situé à une distance variable de la jonction : 1 µm et 1.5 µm. La Fig. 72
propose une représentation de l’impact de la distance entre la trace de l’ion et la zone de
106
collection sur la mobilité des électrons générés, pour le modèle de mobilité d’ADDICT et
celui utilisé dans le modèle de diffusion classique [MERE – 05].
Fig. 72. Variation de la mobilité des électrons au cours du temps en fonction de la
localisation de l’ion par rapport à la zone de collection.
Nous constatons que, quelle que soit la localisation de la trace par rapport à la zone de
collection, la mobilité des électrons (aussi valable pour les trous, mais non représentée dans
cette figure), reste identique au cours du temps. Cette remarque est bien entendu totalement
logique et liée au modèle de carrier-carrier scattering. En effet, ce phénomène est totalement
indépendant de la position de la colonne de charge dans le substrat du silicium. Le phénomène
de carrier-carrier scattering ne dépend que de la concentration des porteurs générés et donc
du LET de l’ion.
La Fig. 73 propose une représentation de l’impact de la localisation de l’ion sur les
variations du coefficient de diffusion ambipolaire. Les enseignements issus des calculs
réalisés sont identiques à ceux observés et présentés sur la Fig. 72. Le coefficient de diffusion
ambipolaire D(t) qui dépend directement de la mobilité respective des porteurs est
indépendant de la localisation de la trace de l’ion.
107
Fig. 73. Variation du coefficient de diffusion ambipolaire au cours du temps en fonction de la
localisation de l’ion par rapport à la zone de collection.
Fig. 74. Evolution temporelle de la vitesse de collection en fonction de la distance séparant la
trace de l’ion lourd et la zone de collection, c’est-à-dire la jonction drain / substrat d’un transistor NMOS
108
En revanche, la distance séparant la trace générée par l’ion et la jonction drain/
substrat impacte particulièrement les propriétés électriques de la zone de collection (faible ou
forte injection). Cette phénoménologie qui a été identifiée et analysée dans le chapitre 3, peut
être observée sur la Fig. 74 qui représente la vitesse de collection modélisée par ADDICT
vXd(t). Dès lors, nous constatons qu’une trace éloignée de la ZCE (courbe rouge) modifie plus
faiblement la vitesse de collection, aussi bien en terme d’amplitude qu’en terme de durée. En
revanche, le modèle de diffusion classique [MERE – 05] ne tient absolument pas compte de la
modulation de la vitesse de collection avec la localisation de la trace générée par l'ion.
4. Description technologique du composant MOS dans ADDICT Le modèle ADDICT permet d'estimer l’allure de la réponse transitoire du composant
MOS en se basant sur sa description technologique. Comme nous l'avons déjà mentionné, le
degré de raffinement du modèle composant peut être de différents niveaux : une description
technologique complète du composant (issue du fondeur), une extraction technologique (plus
ou moins détaillée) ou simplement issue des tendances ITRS [ITRS – 07]. Il est important de
définir et d'illustrer le lien entre le modèle physique et les entrées décrivant la technologie.
Les Figures 75, 76 et 77 illustrent la manière dont ADDICT intègre respectivement la
tension d’alimentation, la surface de drain et la profondeur de jonction, en fonction du niveau
d’intégration du composant MOS.
Fig. 75. Illustration du positionnement du paramètre d’entrée « tension d’alimentation »
utilisé dans ADDICT vis-à-vis de la roadmap technologique.
109
Nous constatons que, pour l’ensemble des nœuds technologiques étudiés, de 650 nm
et 65 nm, les paramètres utilisés suivent parfaitement les tendances proposées par la
communauté des fondeurs [ITRS – 07].
Fig. 76. Illustration du positionnement du paramètre d’entrée « surface de drain » utilisé
dans ADDICT vis-à-vis de la roadmap technologique.
Fig. 77. Illustration du positionnement du paramètre d’entrée «profondeur de jonction »
utilisé dans ADDICT vis-à-vis de la roadmap technologique.
110
Ces données relatives à chacun des nœuds technologiques étudiés sont obtenues soit à
partir d’information de publications VLSI, soit à partir des tendances ITRS ou SIA, soit enfin
grâce à un reverse technologique du composant. Nous verrons dans le dernier chapitre de ce
manuscrit qu'une extraction technologique a été réalisée sur une mémoire Cypress 90 nm. Ce
cas bien pratique illustrera concrètement la relation étroite entre modèle physique et
description technologique.
D’autres éléments sont à prendre en considération pour suivre l’intégration croissante
des composants CMOS. En effet, comme évoqué dans le chapitre 2, certaines ruptures
technologiques doivent être considérées aussi bien au niveau process qu’au niveau
topologique (layout). Deux éléments majeurs, le passage d’une topologie de mémoire SRAM
de 4 transistors à 6 transistors, et l’implantation de STI, modifient sérieusement l’évaluation
du risque SEE.
De nombreux travaux ont mis en lumière les zones potentiellement sensibles d’une
cellule SRAM : le drain des transistors NMOS et PMOS, à l’état logique on et off [DODD –
96] [ROCH – 99]. Il est généralement considéré que pour des mémoires SRAM faiblement
intégrées (avec une longueur de grille supérieure à 250 nm), la zone sensible du composant
peut être ramenée à une seule zone de collection (le drain du transistor NMOS off), ce qui est
compatible avec les approches classiques comme CREME ou OMERE. En revanche, à partir
du nœud technologique 180 nm, cette simplification ne peut plus être faite, considérant le
changement de topologie d’une cellule SRAM : passage de 4T à 6T (2 inverseurs et
2 transistors NMOS d’accès).
Le modèle ADDICT définit les caractéristiques de collection des 4 zones critiques de
la mémoire SRAM-6T pour les transistors de type N et P, comme illustré par le schéma de la
Fig. 78.
Fig. 78. Schéma de principe de l’approche de modélisation de multi-collection appliquée à
une mémoire SRAM de type 6 transistors (2 inverseurs + 2 transistors d’accès)
111
La vitesse de collection InitXdv pour un transistor PMOS est nécessairement inférieure à
celle d’un transistor NMOS due à la faible mobilité des trous (comme présenté dans les
équations 31 et 32). Cette vitesse de collection varie de 2 x 106 à 1 x 107 cm.s-1 pour un
NMOS et de 2 x 106 à 8 x 106 cm.s-1 pour un PMOS [SCE – 07]. Cette différenciation entre
les valeurs initiales de vitesse de collection va être un élément de départ de la modélisation de
la multi-collection utilisée dans ADDICT pour des composants tels qu’une SRAM-6T. Sur la
Fig. 79, on distingue parfaitement les différentes valeurs initiales InitXdv de chacun des
transistors (2 transistors NMOS et 2 transistors PMOS), et leur état de polarisation (off et on).
Un dernier élément pris en compte par le modèle ADDICT est la présence de STI pour
les nœuds technologiques inférieurs à 250 nm [ITRS – 07]. Le principe et l’intérêt de cette
évolution technologique ont été présentés dans le chapitre 2. L’implantation d’oxyde SiO2
altère les mécanismes de collection en réduisant la zone de déplétion, ce qui conduit à réduire
la valeur du maximum de pic de courant Imax, comme présentée dans la Fig. 80. Ce
phénomène est dû au confinement des charges et à la modification (augmentation des
distances de parcours) des trajectoires de diffusion des porteurs depuis la trace jusqu’aux
différentes zones de collection, c'est-à-dire aux jonctions des drains des transistors.
Fig. 79. Evolution temporelle de la vitesse de collection de chacune des zones de collection
d’une mémoire SRAM 6T (NMOS état « off », PMOS état « on », PMOS état « off » et NMOS état « on »)
112
Fig. 80. Impact de la modélisation des STI lors de la réponse transitoire en courant calculée par ADDICT pour un ion lourd de 10 MeV.cm2.mg-1à incidence normale dans un transistor
NMOS 90 n et comparaison avec une simulation TCAD.
La Fig. 80 met en évidence la nécessitée de modéliser l’implantation des STI dans les
structures CMOS. En effet, nous constatons une amélioration de l’estimation du maximum de
courant de la réponse transitoire (courbe verte) ; le modèle TCAD (courbe noire) donnant Imax
à 2.1 mA, la prise en compte par le modèle ADDICT de l’implantation des STI permet
d’obtenir un maximum de courant Imax à 2.4 mA, tandis que sans modélisation des STI
(courbe rouge), le modèle estime Imax à 6 mA. Une autre caractéristique de la réponse
transitoire qui se trouve améliorée est l’allure de la décroissance du courant I(t). De plus, la
modélisation de l’implantation des STI permet d’augmenter la pertinence de l’estimation de la
charge collectée totale suite à l’événement. En effet, la charge collectée est de 48 fC en tenant
compte des STI alors que le modèle TCAD l’estime à 68 fC, tandis que sans la modélisation
des STI, nous observons une très nette surestimation de la charge collection totale à 130 fC.
Le modèle ADDICT retranscrit donc la diffusion ambipolaire et la collection
dynamique. A présent, nous allons nous attarder à valider le modèle avec des résultats
expérimentaux de mesures de courants SET. Par la suite, une comparaison avec des
simulations TCAD de courants transitoires sera présentée pour des nœuds technologiques
90 et 65 nm. Ces modèles TCAD ont été fournis par l’Université de Vanderbilt dans le cadre
d'une collaboration.
113
II. Validation du modèle I(t) proposé par ADDICT Nous venons de proposer un nouveau modèle permettant de calculer le courant
transitoire induit par le passage d'un ion dans le semi-conducteur. Ce modèle est issu d'une
compréhension des mécanismes de transport et collection et résulte d'une démarche de
réduction de modèle afin de proposer une approche analytique.
Il est essentiel d'évaluer la pertinence du modèle ADDICT et, pour y parvenir, nous
proposons dans cette partie de comparer des calculs issus d'ADDICT à des données
expérimentales et TCAD.
1. Comparaisons expérimentales
Des données de mesures expérimentales ont été obtenues de précédentes campagnes
de tests réalisées par le CEA-DAM [FERL – 06]. Les mesures ont été réalisées sur deux
transistors NMOS de technologie 0.25 µm et 0.18 µm, irradiés sous faisceaux d’ions lourds.
Deux faisceaux ont été utilisés, le premier au GANIL (Grand Accélérateur National d'Ions
Lourds) et le second sur les installations de Sandia (Albuquerque, NM, USA).
Les courants transitoires sont enregistrés par une mesure directe, comme illustré sur la
Fig. 81. L’ensemble du dispositif de mesure a été optimisé pour des mesures à haute bande
passante. Le drain du transistor a été polarisé en inverse à partir d’un dispositif 20 Ghz Bias-
Tee, et les signaux transitoires ont été enregistrés sur un oscilloscope très large bande, 12 Ghz
(TDS6124C Tektronix), à une résolution temporelle de 40 Gpoints /s (une donnée chaque
25 ps.)
Fig. 81. Schéma de principe du protocole expérimental de mesure de courants transitoires
réalisé par le CEA-DAM [FERL – 06].
114
Lors des mesures, les drains des transistors étant polarisés en inverse, les irradiations
ont été effectuées dans des conditions pires-cas, à la précision du micro-beam disponible aux
installations de Sandia pour le transistor 0.25 µm. La mesure expérimentale de courant
transitoire dans des structures digitales aussi intégrées est un réel challenge. En effet, les
valeurs de courant mesurées sont très faibles (inférieures au milliampère), mais surtout ces
mesures sont réalisées dans un laps de temps extrêmement court (de l’ordre de la dizaine de
pico secondes). De ce fait, les appareils de mesures utilisés lors de ce type d’expérience
perturbent le signal dés lors qu’ils sont reliés au composant. Ces perturbations sont dues aux
capacités parasites induites par chacun des étages d’entrée des appareils électroniques utilisés.
Des travaux récents [TURO – 10] ont mis en avant ces problèmes parasites de mesures et ont
proposé une modélisation par simulation Mixed Mode (TCAD + Spice) du dispositif de
mesures par un agencement de circuits équivalents (résistances, capacités et inductances).
Afin de s’assujettir partiellement de ces effets parasites, les comparaisons du modèle
ADDICT avec les données expérimentales se focaliseront sur la dynamique des charges
collectées et sur la charge collectée totale.
Les irradiations ion lourd ont été réalisées en incidence normale avec des ions ayant
un LET de 15 MeV.cm2.mg-1, deux moyens ont été utilisés : un faisceau de calcium
6.2 MeV/a48 à GANIL et un micro-faisceau d’un ion chlorine de 35 MeV à Sandia. Les
ranges des particules ont été approximés grâce au logiciel SRIM [SRIM – 07]. Le calcul de la
charge collectée dans ADDICT a été modélisé pour 2 transistors 0.25 µm et 0.18 µm à partir
d’informations technologiques décrites dans diverses publications et roadmaps [FERL – 06]
[TRUY – 07] [ITRS – 07].
La Fig. 82 présente les mesures expérimentales des dynamiques de collection de
charges en fonction du temps pour les transistors NMOS de 0.25 µm (carrés noirs vides) et
0.18 µm (carrés noirs pleins), et les compare avec les estimations faites par le modèle
ADDICT.
115
Fig. 82. Comparaison de la charge collectée au drain mesurée (symboles noirs) et calculée
par ADDICT (symboles rouges) pour un transistor NMOS 0.25 µm (symboles vides) et 0.18 µm (symboles pleins). Les mesures de SET ont été effectuées pour des composants
irradiés à 15 MeV.cm2.mg-1 à GANIL (6.2 MeV Calcium) et à Sandia (35 MeV Chlorine).
La comparaison expérimentale présentée sur la Fig. 83 révèle une bonne adéquation
avec les calculs, aussi bien dans l’allure générale que dans la valeur de charge collectée totale
pour le transistor 0.18 µm (ronds rouges). En effet, la charge collectée estimée est
respectivement d’environ 875 fC et 215 fC pour les transistors 0.25 µm et 0.18 µm alors que
la mesure expérimentale indique une charge collectée de 930 fC et 210 fC. En revanche, les
résultats des calculs s’éloignent légèrement des mesures expérimentales lors du
déclenchement de la réponse transitoire du transistor 0.25 µm (cercles rouges). Cette
différence peut être expliquée en partie par les problèmes parasites lors de la mesure comme
indiqué précédemment.
Les barres d’erreurs indiquées sur chacune des courbes du modèle ADDICT
correspondent aux variations de +/- 20 % de la capacitance de jonction drain / substrat. Ces
valeurs ont été prises en tenant compte des recommandations faites par l’ITRS [ITRS – 07]
pour les nœuds technologiques 0.25 µm et 0.18 µm. Le bon encadrement des données
expérimentales par ces barres d’erreurs souligne la pertinence, la précision, ainsi que la
robustesse du modèle développé pour les deux nœuds technologiques étudiés.
116
Nous venons de comparer la réponse transitoire d’un transistor pour une configuration
du faisceau d’irradiation pire-cas. De nombreuses autres mesures de transitoires ont été
réalisées pour différentes localisations d’impact d’ion. Afin d’évaluer la robustesse du modèle
ADDICT, l’ensemble de ces mesures ont donné lieu à une comparaison de la charge collectée
totale en fonction du point d’impact de l’ion lourd suivant l’axe source-drain pour ce même
transistor NMOS de nœud technologique 0.25 µm. Comme précédemment, les charges
collectées ont été mesurées (carrés noirs vides) en polarisation inverse de la jonction drain /
substrat du transistor NMOS, comme présenté sur la Fig. 84.
L’allure globale de la cartographie issue des calculs des charges collectées (carrés
bleus) est respectée et est en bonne adéquation avec les mesures. En effet, la distribution de
charges collectées est centrée sur le contact de drain et tend à décroître doucement côté source
à la différence du côté droit, qui correspond au contact de drain (position à fort X). Cette
bonne adéquation entre calculs et mesures expérimentales souligne la capacité du modèle
ADDICT a estimer la quantité de charges collectées quelles que soient les caractéristiques
géométriques de l’ion (faible ou forte injection). De plus, la mesure montre un pic de charge
collectée, i.e. pire cas, aux environs de 980 fC alors que le calcul surestime légèrement cette
valeur pour avoisiner les 1200 fC. La différence de niveau minimal de charge collectée peut
être expliquée par un effet de seuil du dispositif expérimental utilisé. En effet, une limitation
de la bande passante des appareils de mesures induit une sous-estimation du maximum et une
surestimation de la largeur du pic de courant.
117
Fig. 84. Comparaison de la cartographie de charge collectée en fonction du point d’impact
d’irradiation le long de l’axe « source-drain » pour un transistor NMOS 0.25 µm. Les mesures de transitoires (carrés vides noirs) issues de [FERL – 06] ainsi que ceux calculés via ADDICT (carrés bleus) ont été obtenus pour une irradiation à incidence normale pour un ion
lourd chlorine 35 MeV d’un LET de 15 MeV.cm2.mg-1 à Sandia.
A présent que le modèle ADDICT a été validé pour des transistors de faibles niveaux
d’intégration technologique (0.25 µm et 0.18 µm) grâce à des comparaisons de données
expérimentales, le modèle va faire l’objet d’une validation supplémentaire à partir de
simulations TCAD 3D pour des composants plus fortement intégrés, en l’occurrence pour des
nœuds technologiques 90 nm et 65 nm.
2. Comparaisons avec des simulations TCAD 3D de structure
simple : un transistor L’objectif de cette partie est de montrer la pertinence du modèle ADDICT pour des
composants très intégrés, de 90 nm et 65 nm, pour lesquels nous n’avons pas de résultats
expérimentaux. Cette étape de validation a donné lieu à une collaboration avec l’Université de
Vanderbilt aux USA qui s’est concrétisée par un séjour de 3 mois au cours de l’année 2010 à
Nashville sous la tutelle des professeurs R. Schrimpf, R. Reed et R. Weller. Cette
collaboration a permis l’obtention des modèles composants TCAD, décrivant ces deux nœuds
118
technologiques, c’est-à-dire le layout, la topologie, l'implantation des STI et la capacité de
jonction. La validation par simulation TCAD est une étape indispensable dans l’optique de
vérifier la justesse et la robustesse du modèle ADDICT. Comme il a été présenté dans le
chapitre 3, la simulation TCAD est un excellent outil parfaitement adapté à ce type de
validation et extrêmement pertinent quantitativement pour simuler le comportement vis-à-vis
du risque SEE de composants fortement intégrés.
Pour le nœud 90 nm, le modèle TCAD utilise un profil de substrat technologique
caractéristique comme illustré par la Fig. 85. Le niveau de dopage du substrat de type P est de
1 x 1016 .cm-3 complété par un implant de l’ordre de 1 x 1018 .cm-3 afin de réduire l’effet de
latchup à une profondeur de 1.2 µm. Quant aux niveaux de dopage des implants de n-well et
p-well, ils sont de l’ordre de 2 x 1017.cm-3 en dessous des zones actives du transistor [WARR
– 10].
Fig. 85. Représentation graphique des niveaux de dopage et des implants de STI caractérisant le modèle TCAD 90 nm. La flèche rouge représente la trajectoire et le point d’impact (centré
sur le contact de drain) de l’ion lourd simulé.
La Fig. 86 présente la réponse transitoire induite par un ion lourd en incidence normale
et caractérisé par un LET de 10 MeV.cm2.mg-1 et un range de 15 µm ; nous pouvons ainsi
considérer que l'ion traverse le transistor NMOS 90 nm. La Fig. 86 présente la comparaison
de la réponse transitoire de courant obtenue par le modèle TCAD (triangles verts), par
ADDICT (carrés noirs) et enfin par un modèle classique de diffusion (ronds rouges). Comme
présenté dans le chapitre 1, ce modèle de diffusion repose sur une modélisation sphérique de
la diffusion ambipolaire avec des paramètres de fit constants, comme présenté dans le
chapitre 3 [MERE – 05] [CORR – 08]. Il est possible de constater une amélioration
119
significative de l’allure de la réponse en courant, aussi bien en terme d’amplitude, qu’en
terme de temps de décroissance de la réponse. Cette amélioration est la conséquence de la
modélisation dynamique de la diffusion ambipolaire et de la vitesse de collection réalisée dans
ADDICT.
De plus, nous constatons que la prise en compte de la recombinaison dans notre
modèle permet d’obtenir une décroissance du pic particulièrement pertinente et proche de
celle observée pour la simulation TCAD. Comme précédemment, les barres d’erreurs
représentent une variation de +/- 20 % de la capacitance de la jonction drain / substrat.
Fig. 86. Comparaison de la réponse transitoire en courant calculée par le modèle ADDICT
(carrés noirs), par un modèle classique de diffusion de charges (ronds rouges) [MERE – 05][CORR – 08] et par simulation TCAD (triangles verts). Les barres d’erreurs
correspondent à une variation de +/- 20 % de la capacitance de jonction (drain-substrat).
Une comparaison de même type a été réalisée pour un transistor NMOS 65 nm, à
laquelle est rajouté un paramètre couramment utilisé dans la prédiction d’événement singulier,
la charge collectée. Le modèle TCAD de ce transistor 65 nm a été fourni par l’Université de
Vanderbilt et a été utilisé dans des travaux récents [AHLB – 10]. Les réponses transitoires
obtenues via le modèle classique de diffusion [MERE – 06], le modèle ADDICT et la
simulation TCAD sont présentées dans la Fig. 87. Ces résultats ont été calculés pour une
irradiation ion lourd avec les caractéristiques suivantes : LET de 5 MeV.cm2.mg-1, range de
15 µm et incidence normale centré sur le contact de drain. Afin d’être le plus représentatif et
Maximum de courant Imax = 2.4x10-3 A Imax = 8.3x10-3 A Imax = 2.1x10-3 A
120
le plus critique possible pour le nœud technologique 65 nm, le modèle classique de diffusion
(ronds rouges) a été ajusté par simulation TCAD préliminaire grâce à de précédents travaux
[CORR – 08].
L’allure du courant transitoire calculée par ADDICT (carrés noirs) est en bonne
adéquation avec la simulation TCAD (triangles verts) alors que le modèle classique de
diffusion de charges (ronds rouges) surestime très fortement la réponse transitoire. En effet, la
valeur maximale du pic de courant, la largeur du pic, ainsi que l’allure globale de la réponse
transitoire sont bien mieux estimées par ADDICT que via le modèle classique de diffusion.
Ainsi, le maximum de courant Imax obtenu par TCAD est de ~1 x 10-3 A, et ADDICT propose
Imax ~1.6 x 10-3 tandis que le modèle classique propose Imax ~8.5 x 10-3A.
De plus, la charge collectée proposée par le modèle ADDICT (carrés noirs vides)
correspond bien à celle calculée par simulation composant (triangles verts vides),
respectivement 29 fC et 22 fC, alors que le modèle classique (ronds rouges vides) surestime
cette valeur de charge collectée d’environ une décade (225 fC). Les barres d'erreurs
représentant +/- 20 % de variations de la capacité de jonction initialement définie à 1.5 x 10-7
F/µm, renforcent la précision du modèle ADDICT.
Fig. 87. Comparaison de la réponse transitoire en courant et de la charge collectée cumulée,
calculée par le modèle ADDICT (carrés noirs), par un modèle classique de diffusion de charges (ronds rouges), et par simulation TCAD (triangles verts). Les barres d’erreurs
correspondent à une variation de +/- 20 % de la capacitance de la jonction (drain / substrat).
121
De nombreux autres calculs de courant transitoire I(t) ont été réalisés sur ce transistor
NMOS 65 nm dans la configuration pire-cas et ce, pour divers LETs. Une synthèse de ces
calculs a été regroupée dans le Tableau 4 dans lequel sont comparés deux paramètres
caractéristiques de la réponse transitoire : le maximum de courant Imax et la charge collectée
totale QT. Tout d’abord, ce tableau souligne l’amélioration significative apportée par le
modèle ADDICT dans le calcul du maximum de courant, Imax, en comparaison du modèle
classique de diffusion. A l’exception du cas où le LET est égal à 1 MeV.cm2.mg-1, le modèle
ADDICT surestime légèrement le maximum de courant.
Tableau. 4. Récapitulatif de deux paramètres usuels, maximum de courant, et charge
collectée totale induits par un transistor NMOS 65 nm suite au passage d’un ion lourd de LET variable.
De plus, un autre paramètre représentatif et couramment utilisé dans les méthodes de
prédictions est présenté dans ce tableau : la charge collectée totale, QT. Nous observons que
les résultats calculés par ADDICT sont en bonne adéquation avec ceux issus des simulations
TCAD. En revanche, le modèle classique de diffusion surestime très fortement la charge
collectée, de plus d’une à deux décades selon le LET de l’ion lourd incident.
Dans cette partie, ADDICT a été évalué pour des technologies bulk et pour des nœuds
d'intégration allant de 0.25 µm jusqu’à 65 nm. Cette analyse s'est principalement focalisée sur
le calcul de la charge collectée totale QT et dans le cas d'un ion de 15 MeV.cm2.mg-1. La
Fig. 88 présente une synthèse des résultats obtenus pour l'ensemble des niveaux d'intégration
de la technologie bulk. Cette représentation est fort intéressante car elle permet de relever la
bonne adéquation entre les données issues de ADDICT et les mesures expérimentales de QT
Imax Maximum de courant (mA)
QT Charge collectée (fC)
LET MeV .cm2
.mg-1
TCAD modèle
ADDICT
Modèle classique diffusion
TCAD modèle
ADDICT
Modèle classique diffusion
1 0.43 0.34 1.7 3.5 5.8 45
5 0.99 1.6 8.5 22 29 225
10 1.3 3.2 17.1 47 57 450
15 1.5 4.7 25.6 72 86 675
30 1.92 9.5 51.3 140 172 1350
80 2.65 25.3 137 290 458 3600
122
pour les technologies 0.25 µm et 0.18 µm [FERL – 06]. De plus, la Fig. 88 confirme
également la bonne précision du calcul de QT pour les 2 nœuds technologiques 90 nm et
65 nm. Enfin, les barres d’erreurs indiquées soulignent la précision du modèle pour une
variation de +/- 20 % de la capacitance de jonction drain / substrat.
Fig. 88. Représentation globale de la charge collectée au drain pour 4 niveaux d’intégration allant de 0.25 µm à 65 nm. Le calcul prédictif (carré noir) a été effectué pour un ion lourd d’incidence normale et de LET 15 MeV.cm2.mg-1, tandis que les mesures expérimentales
(rond rouge) ont été fournies par le CEA-DAM [FERL – 06], et les modèles TCAD ont eux été fournis par l’Université de Vanderbilt.
Basée sur des principes physiques, la méthodologie utilisée pour la prédiction SET
donne de bonnes approximations du comportement électrique transitoire du composant sous
irradiation ion lourd.
3. Modélisation de structures complexes à plusieurs transistors Afin d’étudier la pertinence de la modélisation de la multi-collection dans ADDICT,
des simulations TCAD d’une structure multi-transistors constituée de 3 NMOS identiques, en
technologie 90 nm ont été réalisées. Le modèle TCAD 90 nm correspond à celui présenté
précédemment et fourni par l’Université de Vanderbilt. Il est intéressant de mentionner
123
l’utilisation de STI, dont la profondeur et la largeur sont respectivement égales à 0.36 µm et
0.65 µm, qui sépare chacun des transistors (Fig. 89).
Fig. 89. Représentation de la structure TCAD multi-transistors, composée de 3 transistors
identiques de technologique 90 nm. Chaque transistor est séparé par l’implantation de Shallow Trench Isolation de 0.65 µm de largeur.
La Fig. 90 présente la charge collectée au niveau du drain de chaque transistor de la
structure. Cette charge est calculée par le modèle ADDICT, le modèle classique de diffusion
[MERE – 05] et la simulation TCAD. La comparaison a été réalisée pour une irradiation ion
lourd caractérisée par un LET de 10 MeV.cm2.mg-1, un range de 15 µm et en considérant
plusieurs types d'incidences (0° étant horizontal, 90° étant normale) impactant le drain du
transistor 1, c'est-à-dire placé au milieu de la structure.
ADDICT surestime légèrement le niveau de la charge collectée (carrés noirs) par
rapport aux données issues de la TCAD (triangles verts). Nous observons cependant une
dynamique de charge collectée en fonction de l’angle d’incidence comparable (de l’ordre de
la décade). A contrario, le modèle classique de diffusion (ronds rouges) surestime très
largement (de l’ordre de 2 à 3 décades selon les cas) la charge collectée au drain de chacun
des transistors NMOS de la structure. La comparaison entre les résultats issus de ADDICT et
la TCAD sur les nœuds adjacents (NMOS2 et NMOS3), révèle un écart relativement
important dont on peut supposer que l'origine soit imputable aux simplifications inhérentes
aux modèles utilisés dans ADDICT, et plus particulièrement dans les mécanismes de diffusion
et de recombinaison. Par ailleurs, les mécanismes de collection liés à la source (injection,
amplification bipolaire et autres …) ne sont à l’heure actuelle pas pris en compte par le
modèle.
124
Fig. 90. Impact de l’angle d’inclinaison de l’ion lourd de 10 MeV.cm2.mg-1 sur la charge
collectée au drain pour chacun des transistors : NMOS1, NMOS2 et NMOS3 placés dans la configuration présentée en Fig. 90.
125
Un dernier point important est la différence de temps de calcul nécessaire pour obtenir
les résultats présentés sur la Fig. 90. Comme il a été souligné dans le chapitre 3, la simulation
TCAD est extrêmement coûteuse en temps de calcul. En effet, le modèle TCAD a nécessité
environ 15 heures de simulation (pour les 3 calculs), tandis que le modèle ADDICT permet de
réaliser l’ensemble des 13 calculs présentés pour un temps de simulation inférieur à
15 secondes. Cette rapidité de calcul permet au modèle ADDICT d’être adapté à une approche
numérique de type Monte-Carlo dont l'objectif est de pouvoir estimer la sensibilité du
composant.
La dernière analyse de ce chapitre repose sur une cartographie du maximum du pic de
courant Imax de la réponse transitoire de la structure multi-transistors. Pour cela, une
cartographie obtenue par simulation TCAD (côté gauche) et à partir de calculs ADDICT (côté
droit) a été réalisée, comme présenté par la Fig. 91. Cette cartographie de Imax a été obtenue
suite à la simulation d’un ion lourd caractérisé par un LET de 10 MeV.cm2.mg-1, un range de
15 µm et en incidence normale. On remarque que ADDICT confirme assez bien les aires des
zones les plus critiques (en rouge) identifiées par le calcul issu de TCAD. En effet, c’est dans
ces zones que le passage d’un ion lourd induit une réponse transitoire en courant de forte
amplitude (~1-2 mA). De plus, la Fig. 91 relève la bonne adéquation (avec une légère
surestimation) entre les deux cartographies obtenues respectivement par simulations TCAD et
ADDICT. Enfin, le temps de calcul nécessaire au modèle ADDICT pour proposer cette
cartographie est particulièrement limité par rapport à la simulation TCAD : 70 secondes en
comparaison des 220 heures pour la simulation composant.
126
Fig. 91. Comparaison de la cartographie du maximum de courant pour chacun des
transistors composant la structure suite au passage d’un ion lourd de 10 MeV.cm2.mg-1 à incidence normale : à gauche simulation TCAD, et à droite calcul ADDICT.
127
III. Synthèse : ADDICT, un modèle dédié à la prédiction SET et SEU
de composants CMOS
Le modèle ADDICT se base sur une modélisation séquentielle de la diffusion
ambipolaire des porteurs puis de la collection dynamique des charges. Cette approche permet
de rendre compte d’une part des phénomènes de transport de charges (diffusion ambipolaire,
carrier-carrier scattering et recombinaison) et d’autre part de caractériser les variations
temporelles de collection de charges (modulation des propriétés électriques de jonction).
Une première validation pour des composants simples (NMOS) a montré la
pertinence, la précision et la robustesse du modèle ADDICT à retranscrire les caractéristiques
de la réponse transitoire (maximum de courant, dynamique de collection de charge, charge
collectée totale, allure de courant) quel que soit le nœud technologique étudié (0.25 µm
jusqu’à 65 nm). Une telle démarche a été appliquée à la fois sur la base de données issues
d'expériences sous faisceaux et issues de résultats TCAD.
Une seconde démarche a eu pour objectif de se focaliser sur les mécanismes relatifs à
la multi-collection dans des structures complexes (transistors multiples). Cette investigation a
permis de confirmer la validité de ADDICT pour modéliser la multi-collection dans un
composant MOS de technologie bulk.
A présent que le modèle physique a été validé, l’approche proposée par ADDICT va
permettre de réaliser une estimation de la sensibilité SEU. Pour y parvenir, un critère de
basculement développé au sein de la plateforme MUSCA SEP3 a été utilisé afin d’estimer la
sensibilité de basculement de mémoires de type SRAM. Les travaux relatifs à l’estimation et
la prédiction opérationnelle vont être présentés dans le chapitre suivant. Après des
comparaisons préliminaires de sections efficaces expérimentales ions lourds obtenues sur
accélérateurs (TAMU, IPN, UCL, LBNL) pour des mémoires SRAM (0.25 µm jusqu’à
65 nm), nous valoriserons la méthodologie de prédiction opérationnelle dans le cadre du
projet de recherche BALLTRAP.
129
Chapitre 5 :
Mise en place d'une approche prédictive dédiée à
l'estimation de risque SEU opérationnel
130
Les différentes approches dédiées à la modélisation de la réponse transitoire [MERE –
06] [UZNA – 10] [CORR – 08] ont été associées à un critère de basculement SEU basé sur le
couple Imax/ Tmax, et cela ne concernait que les configurations de trace d’ion en diffusion.
Comme il a été présenté dans le chapitre 1, ce critère n’est plus adapté pour les technologies
les plus intégrées [TOUR – 11]. Par ailleurs, la définition d'un tel critère suppose une
connaissance approfondie de la technologie (TCAD ou circuit). Pour les autres configurations
de trace où l’ion lourd traverse le drain, c'est-à-dire le cas de court-circuit, le critère usuel
reposait sur la comparaison du LET de la particule avec le LET critique LETC.
Dans le chapitre précédent, il a été montré que le modèle ADDICT est pertinent
quelles que soient les caractéristiques énergétiques et géométriques de la trace générée par le
passage de l'ion. Ce point est très important dans l’optique de proposer un nouveau critère de
basculement.
Ainsi, la première partie de ce chapitre sera consacrée à la présentation d'un nouveau
critère de basculement SEU adapté d'une part aux technologies d'échelle nanométrique et
d'autre part à une approche end-users. Dans la suite de ce chapitre, nous nous attarderons à
présenter des comparaisons de sections efficaces de sensibilité SEU et MBU obtenues
expérimentalement et calculées par ADDICT, et ce, pour différents niveaux technologiques
allant de 250 nm à 65 nm. Enfin, ce chapitre s'achèvera par la présentation de résultats issus
d'un cas opérationnel sur une mémoire 90 nm embarquée sur des vols avions et des vols
ballons stratosphériques (projet BALLTRAP).
I. Modélisation SEU dans les mémoires SRAMs
Nous avons montré dans le chapitre précédent qu'une cellule SRAM est constituée de
deux inverseurs rétro-couplés, comme illustré sur la Fig. 92. Afin de correctement prendre en
compte le mécanisme de basculement, nous proposons de calculer avec ADDICT un courant
dit d’upset, Iinv.(t) pour chacun des deux inverseurs et qui tient compte des spécificités des
transistors à l'état ON et à l'état OFF. En effet, de précédents travaux ont démontré que ce
mécanisme de rétro-couplage des transistors N et P à l’état ON limite le basculement lors de
l’événement singulier [AMUS – 06] [BLAC – 08] [FRAN – 09].
Par ailleurs, les deux inverseurs interagissent mutuellement l’un sur l’autre. Il est donc
primordial de modéliser ce phénomène circuit ; pour cela, les courants d’upset des deux
inverseurs sont définis de la manière suivante :
131
2_1_1)( NodeNodeinv IItI ×+= α (41)
1_2_2)( NodeNodeinv IItI ×+= α (42)
où le paramètre α représente la contre-réaction circuit entre les deux inverseurs. Ce paramètre
permet d’ajuster le rétro-couplage d’un inverseur vis-à-vis de l’autre lors de l’événement
singulier ; sa valeur est de l’ordre de 0.1-0.4 selon le design du circuit dans lequel s’intègre la
cellule mémoire et le niveau d’intégration du composant.
Fig. 92. Schémas du circuit classique d’une cellule SRAM 6 transistors. (a) Schéma complet de la cellule SRAM, (b) schéma simplifié constitué des deux inverseurs tête bêche. Les deux
transistors NMOS latéraux ont pour rôle de permettre la lecture ou l’écriture dans la cellule (Pass-Gate).
Cette approche permet d’estimer la charge collectée participant au basculement par la
cellule SRAM. Une approche classique serait d'intégrer chacun des courants d’upset pour
déterminer la charge collectée totale [ROCH – 99]. Cependant, comme il a été présenté dans
le chapitre 1, cette approche comprend quelques limitations non négligeables [TOUR – 10].
Par conséquent, il n'est pas envisageable d'utiliser la charge collectée totale comme
critère de basculement. Un exemple symptomatique est le cas d'un ion générant des porteurs
éloignés de la zone de déplétion. En effet, celui-ci peut induire un courant de faible intensité
mais durant suffisamment longtemps pour que la charge collectée totale soit supérieure à la
charge critique technologique. Dans un pareil cas, les charges collectées sont évacuées au fur
INode_1
INode_2
132
et à mesure dans le circuit extérieur. Si bien que, si nous considérons la dynamique du
processus de basculement en y intégrant l'aspect circuit, nous devons introduire la notion de
temps d'intégration circuit efficace au basculement.
C'est pourquoi nous introduisons la charge maximale Qmax(Δt) définie comme la
charge collectée maximum déduite de l'intégration de I(t) sur un temps d'intégration Δt. Cette
charge collectée Qmax correspond au maximum de charge lors de l’intégration du courant
d’upset sur une fenêtre de temps Δt comme décrit dans l’équation ci-dessous :
∫Δ+
=tt
tinv dttItQ ')'()( (43)
Ce temps d’intégration Δt est un paramètre physique qui caractérise le temps
nécessaire au basculement du point mémoire et dépend du niveau d’intégration technologique.
Ce temps caractéristique est de l’ordre de la picoseconde (1-100 ps) et peut être rattaché au
inverter gate delay ou Fan-Out, (FO-1) d’un inverseur [VAND – 97] [YANG – 98].
Ce critère de basculement, utilisé dans la plateforme MUSCA SEP3 depuis 2008
permet d'appliquer l'approche proposée par ADDICT au cas du calcul de sensibilité SEU et
MBU. Pour cela, une approche Monte-Carlo a été développée. Elle consiste à considérer un
nombre de configuration géométrique et/ou énergétique statistiquement suffisant et d'en
déduire une sensibilité SEU et/ou MBU. Comme il a été préalablement présenté, la section
efficace SEU est une grandeur qui détermine la sensibilité d’un composant. La section
efficace est calculée en divisant le nombre d’événements par la fluence des particules
incidentes.
II. Section efficace SEU de mémoires SRAM Des comparaisons entre des résultats expérimentaux réalisés sous faisceaux d’ions
lourds et les estimations calculées par ADDICT ont été réalisées pour des mémoires SRAM
de technologie bulk et pour des nœuds technologiques allant de 0.25 µm à 65 nm. Le
Tableau 5 résume les caractéristiques technologiques des mémoires SRAM étudiées.
133
Tableau 5. Récapitulatif des caractéristiques des mémoires SRAM étudiées pour une
prédiction SEU de section efficace sous faisceaux d’ions lourds.
Une première comparaison de sections efficaces SEU obtenue expérimentalement et
calculée par ADDICT est réalisée pour des mémoires SRAM 0.25 µm, comme illustré sur la
Fig. 93.
(a)
Nombre de transistors par cellule SRAM
Fondeur Longueur de grille
Tension d’alimentation
Technologie Référence
4T Cypress / IBM / ATMEL
0.25 µm 3.3 V / 2.5 V Bulk [ITRS – 07] [ICEC – 97] [GEOR – 03]
4T NEC 0.18 µm 3.3 V Bulk [ITRS – 07] [NODA – 97]
6T Xilinx / UMC 90 nm 1.2 V Bulk [ITRS – 07] [DASG – 07]
[HO – 06] [TOUR – 11]
6T Xilinx 65 nm 1 V Bulk [ITRS – 07] [SIER – 09]
[ARNA – 03]
134
(b)
Fig. 93. Comparaison de sections efficaces SEU obtenues expérimentalement, Cypress (carrés noirs vides), IBM (ronds rouges vides), ATMEL (triangles verts vides) et par calcul
ADDICT pour des mémoires SRAM 0.25 µm (ronds bleus pleins). (a) Vue d’ensemble de l’enveloppe calculée pour les 3 mémoires SRAM.(b) Détails des contributions sur l’enveloppe de prédiction ADDICT, pour les paramètres « technologiques » (barre d’erreur or), et pour
les paramètres de basculement et circuit (barre d’erreur bleu). [ARTO – 11]
Ces mesures sont issues d'irradiations réalisées sur des mémoires 250 nm provenant de
différents fondeurs et sur différents moyens : Cypress [GEOR – 03], IBM [HANS – 07], et
ATMEL [HARB – 08], respectivement aux installations du Lawsrence Berkeley National
Laboratory (LBNL), du Texas A&M University (TAMU), de l’Institut de Physique Nucléaire
(IPN) et au cyclotron de l’Université Catholique de Louvain (UCL).
L'objectif est d'illustrer la large variabilité des sensibilités SEU pour un nœud
technologique donné. De fait, nous observons sur la Fig. 93 une variation significative des
niveaux de sensibilité d'une technologie à l'autre. Cela souligne l’impact des différentes
topologies et procédés de fabrication sur la section efficace SEU pour le même nœud
technologique.
Un objectif important est de montrer que le modèle ADDICT peut répondre à cette
variabilité de sensibilité, et ce, en se basant sur les gammes ou les ordres de grandeur des
135
paramètres d’entrée issus de l’ITRS. Cela revient à modéliser la sensibilité de mémoires
fabriquées par différents fondeurs mais de même niveau d’intégration technologique.
La Fig. 93 (a) révèle une bonne correspondance de la section efficace calculée (ronds
bleus pleins) avec les mesures expérimentales des trois différents fondeurs. Les paramètres
technologiques utilisés sont identiques à ceux utilisés lors de la validation en courant réalisée
dans le chapitre précédent. Le LET seuil ainsi que la valeur de saturation à fort LET calculé
par ADDICT sont en bonne adéquation avec les données expérimentales ; cela grâce à une
bonne connaissance des informations technologiques des composants. Il est important de
préciser que les données expérimentales obtenues pour un LET de 1.8 MeV.cm2.mg-1 n'ont
pas permis d'observer de SEU, dans une pareille situation, il est classique de considérer
artificiellement un unique SEU et d'en déduire une sensibilité sur la base de la fluence totale.
La zone grisée représente l’enveloppe de sensibilité maximale pour +/- 20 % de
variations des paramètres d’entrée du modèle (technologique et de basculement). Cette
enveloppe souligne la pertinence de la description technologique (process et critère de
basculement) utilisée dans ADDICT pour modéliser les phénomènes physiques caractérisant
la sensibilité des différentes mémoires SRAM d’un même niveau d’intégration.
Pour aller plus loin dans l'analyse, la section efficace calculée a été convoluée avec le
spectre du flux différentiel énergétique correspondant à une orbite GEO [OMER] et pour une
épaisseur de blindage de 100 mils [HANS – 07], et ce, afin de calculer le taux opérationnel
d’erreurs (SER) puis de le comparer avec les données vol. Le taux d’erreurs opérationnel en
vol moyenné sur un mois est issu des travaux publiés par Boeing [HANS – 07]. Le calcul du
SER moyen obtenu par ADDICT (courbe bleue) est d’environ 4.4 x 10-8 upset.bit-1.day-1
tandis que celui obtenu en vol varie entre 3.7 x 10-8 et 5.3 x 10-8 upset.bit-1.day-1. D’autre part,
l’enveloppe grisée obtenue par le calcul ADDICT propose une dynamique du taux
opérationnel allant de 1.1 x 10-8 à 3.3 x 10-7 upset.bit-1.day-1. L’ensemble de ces résultats
souligne la robustesse de l’estimation proposée par ADDICT.
La Fig. 93(b) permet de détailler les contributions à la variabilité de la sensibilité
relative d'une part au process de fabrication et d'autre part au critère de basculement. Comme
précédemment, chacune des barres d’erreurs représentées sur la Fig. 93(b) correspond à une
variation de +/- 20 % du paramètre. Au niveau du LET seuil, la contribution majeure de
l’erreur globale est induite par les variations liées aux procédés technologiques de fabrication
(barre d’erreur or), c’est-à-dire la capacité de jonction drain / substrat. A contrario, à
saturation, c'est-à-dire à fort LET, ce sont les variations du critère de basculement et d’effet
circuit (barre d’erreur bleue) qui représentent 90 % de l’enveloppe globale d’erreurs.
136
Désormais, nous nous intéressons à des technologies plus intégrées. La seconde
comparaison concerne une SRAM 0.18 µm conçue par le fondeur NEC (Cf. Fig. 94). Les tests
sous faisceaux ont été réalisés au LBNL et à TAMU [GEOR – 03]. ADDICT permet là encore
d'obtenir un résultat tout à fait satisfaisant. La pertinence du calcul est excellente au niveau du
seuil tandis que nous observons un écart plus significatif au niveau de la saturation, (2.5 x 10-8
au lieu de ~3 x 10-8.cm2/bit). Cette fois-ci, les barres d’erreurs correspondent à une variation
de +/- 20 % des paramètres d’entrée uniquement liés au critère de basculement, c'est-à-dire la
charge critique et le Fan-Out 1 (délai de grille de l’inverseur). Ces barres d’erreurs englobent
relativement bien les résultats expérimentaux dans une enveloppe d’estimation.
Fig. 94. Comparaison de sections efficaces SEU obtenues expérimentalement au LBNL
(carrés noirs vides), par calcul ADDICT pour des mémoires SRAM 0.18 µm NEC (ronds bleus pleins).
Une approche comparable a été réalisée dans le cas d'une technologie SRAM 90 nm
conçue par le fondeur Xilinx. La Fig. 95 compare les résultats d'essais issus de tests
d'irradiation au Cyclotron du TAMU ; ces composants sont testés en mode de configuration
pour FPGA [ALLE – 08]. Il est important de noter que ces mémoires ont été conçues avec des
137
règles de design (ou design rules) bien spécifiques développées par Xilinx qui définissent des
drains de transistor NMOS beaucoup plus grands que ceux des PMOS [TOUR – 11].
Fig. 95. Comparaison des sections efficaces SEU obtenues expérimentalement à TAMU (carré noir vide), par calcul ADDICT pour des mémoires SRAM 90 nm Xilinx (rond bleu
plein) [ARTO – 11].
La section efficace calculée présentée dans la Fig. 95 est en bon accord avec les
mesures sous faisceau, avec cependant une légère surestimation. Cette dérive observée de la
section efficace entre le calcul et les données expérimentales est principalement liée au
manque d’information concernant la topologie utilisée par Xilinx pour cette mémoire SRAM.
Jusqu’au nœud technologique 90 nm, la topologie et le layout d’une cellule SRAM
suivaient une disposition similaire, au die-shrink près; en d’autres termes, seul un facteur
d’échelle s’appliquait. Cependant, à partir du nœud technologique 65 nm, il a été constaté un
changement radical de design de la topologie de la cellule SRAM 6 transistors [JAME – 09]
[ITRS – 07] [ARNA – 03], comme il a été présenté dans le chapitre 2. Ce changement de
règles de design a un impact significatif sur la sensibilité des mémoires SRAMs. La Fig. 96
présente les résultats obtenus pour une mémoire SRAM 65 nm qui, comme dans l’exemple
précédent, a été irradiée en configuration FPGA. Les tests sous faisceaux d’ions lourds ont été
138
réalisés au cyclotron du TAMU ainsi qu’à l’installation du LBNL pour des LET allant de 1.3
à 68.2 MeV.cm2.mg-1 [QUIN – 07]. Les résultats de cette figure soulignent la bonne précision
du calcul prédictif aussi bien au niveau du seuil qu’en saturation à fort LET. Comme
précédemment, les barres d’erreurs englobant les résultats expérimentaux ont été obtenues
pour une variation de +/- 20 % des paramètres de basculement et circuit de la cellule SRAM.
Fig. 96. Comparaison de sections efficaces SEU obtenues expérimentalement (carrés noirs
vides), par calcul ADDICT pour des mémoires SRAM 65 nm Xilinx (ronds bleus pleins) [ARTO – 11].
L’ensemble de ces résultats démontre la pertinence d’ADDICT pour l’estimation de la
sensibilité SEU aux ions lourds et ce, pour les technologies dont le niveau d’intégration peut
aller jusqu’à 65 nm.
III. Prédiction opérationnelle SEU / MCU dans des mémoires SRAM
90 nm bulk en environnement radiatif atmosphérique
Jusqu'alors, nous nous sommes intéressés à évaluer la pertinence de ADDICT dans le
cas très spécifique des essais sous accélérateurs. Pourtant, ces tests représentent de manière
très parcellaire la nature exacte et les caractéristiques des ERN. Pour illustrer ce propos, il
139
suffit de considérer le simple aspect directionnel des particules ou bien encore l'étendue de
leur gamme d'énergie. Il faut donc distinguer la prédiction dédiée à la modélisation des
conditions de test au sol de la prédiction opérationnelle qui intègre la complexité de l'ERN ou
bien encore l'influence de l'environnement matériau du composant [HUBE – 09].
Dans le cadre de la valorisation de ces travaux de thèse, la méthodologie proposée par
ADDICT a été couplée à la plateforme MUSCA SEP3 pour permettre d'étudier les résultats
issus d'une expérience embarquée. Cette expérience embarquée s'intègre dans un projet
collaboratif nommé BALLTRAP et mené conjointement par l'ONERA et le laboratoire
TIMA.
1. Présentation du projet BALLTRAP
Le projet BALLTRAP est un projet porté par deux organismes de recherche, le DESP
de l’ONERA, et le laboratoire du TIMA. L’objectif de ce projet est d’évaluer la sensibilité de
mémoires SRAM face aux particules radiatives présentes dans l’ERN atmosphérique
(neutrons, protons). Pour réaliser cette étude, une plateforme expérimentale portable de
mesure d’événements singuliers a été développée. Cette plateforme a été activée lors de vols
commerciaux long courrier et a donné lieu à des premiers travaux relatifs à la sensibilité de
mémoires 130 et 90 nm vis-à-vis de neutrons et protons atmosphériques [PERO – 09].
La plateforme expérimentale développée par le laboratoire du TIMA embarque
256 Mbits (16 circuits de 16 Mbits) de mémoires commerciales SRAM 90 nm de technologie
bulk conçues par Cypress. La Fig. 97 propose une vue recto verso de la carte expérimentale.
Fig. 97. Photos recto verso de la carte expérimentale BALLTRAP comportant les mémoires
SRAM de test et les FPGAs de mesures et contrôles.
Cette plateforme a également été embarquée en 2010 et 2011 dans des vols de ballons
stratosphériques dans le cadre de campagnes réalisées par le CNES (base de lancement à
140
Kiruna, lat. 67° et long. 20). Dans cette expérience, la plateforme expérimentale est placée
dans la nacelle de télémesure scientifique située au plus bas niveau des éléments de charge
utile embarquée par le ballon stratosphérique, comme illustré dans la Fig. 98.
Fig. 98. Vue schématique de l’organisation de la charge utile d’un ballon CNES, et
emplacement de la plateforme expérimentale BALLTRAP.
De précédentes analyses [PERO-09] ont montré que MUSCA SEP3 était adapté à
l'estimation du risque opérationnel SEU et MBU. Cette partie a pour objectif de démontrer la
pertinence de la méthodologie ADDICT. Dans un premier temps, nous allons présenter les
différentes étapes de la méthodologie utilisée.
2. Méthodologie MUSCA SEP3 / ADDICT
L’approche utilisée dans cette étude repose sur le couplage de la plateforme MUSCA
SEP3 avec le modèle ADDICT. Comme il a été présenté dans le premier chapitre de cette
thèse, MUSCA SEP3 permet une modélisation multi-physique et multi-échelle de la
Plateforme BALLTRAP
141
phénoménologie à partir d'une approche Monte-Carlo. De très nombreux travaux ont déjà
permis de démontrer que MUSCA SEP3 était une approche pertinente pour la prédiction
opérationnelle SEU et MBU, et ce, pour des technologies bulk et SOI avec des niveaux
d'intégration allant jusqu'à 32 nm. Les modèles de transport / collection utilisés dans MUSCA
SEP3, bien que représentatifs des mêmes mécanismes physiques, adoptent une stratégie tout à
fait différente de celle proposée par ADDICT. Dans le cas de MUSCA SEP3, on utilise
directement la notion de charge collectée alors que ADDICT utilise celle de courant
dynamique I(t).
Il est de fait fort intéressant d'une part d'évaluer l'apport de ADDICT au calcul SEU et
MBU, et d'autre part d'en valider les résultats à un cas opérationnel. La Fig. 99 illustre
l'ensemble des méthodes et plus particulièrement le couplage de MUSCA SEP3 en tant que
générateur d'événement radiatif et ADDICT en tant que modèle d'effet.
Fig. 99. Schéma de principe et fonctionnement de l’outil de prédiction MUSCA SEP3 /
ADDICT.
Comme présenté sur la Fig. 99, MUSCA SEP3 réalise à partir de simulation Monte-
Carlo la modélisation de l’interaction de l’ERN avec les éléments proches du composant
(structure, blindage, packaging). Ces informations sont injectées dans le modèle d'effet
ADDICT afin de modéliser la perturbation transitoire et la réponse du circuit suite au
transport et à la collection dynamique des charges. Cette approche propose en sortie plusieurs
142
types d'analyses qui, de la même manière que MUSCA SEP3, permettent de déduire une
sensibilité du composant, un taux d’événements ou bien une cartographie de sensibilité.
La première étape consiste à mettre en place un modèle technologique et un modèle de
sensibilité SEU. La construction du modèle technologique peut être réalisée à partir
d'informations issues de l'ITRS ou à partir d’extraction technologique. Dans le cadre du projet
BALLTRAP, il a été possible de recourir à une analyse technologique détaillée qui nous a
permis de définir le modèle composant.
Il est plus problématique de définir un modèle de sensibilité SEU, c'est-à-dire
principalement la charge critique et le temps d'intégration technologique Δt. Nous avons
adopté la même approche que celle proposée par MUSCA SEP3 [HUBE – 09], c'est-à-dire
utiliser les données de sensibilité SEU/MBU obtenues sous accélérateur pour fitter les deux
paramètres manquants. Notons que cette démarche de fit intègre le fait que les deux
paramètres manquants (Qcrit et Δt) sont des grandeurs physiques et technologiques dont les
ordres de grandeur sont connus et dépendent du niveau d'intégration de la technologie.
Cette construction du modèle de sensibilité SEU a été réalisée dans le cadre de
plusieurs campagnes d’irradiations réalisées sur différents moyens. La description des essais
et la validation des modèles technologique et SEU sont présentées dans ce chapitre.
i. Construction du modèle technologique 90 nm Cypress Une analyse technologique de la mémoire 90 nm Cypress a été réalisée afin de définir
le modèle technologique nécessaire à ADDICT et à MUSCA SEP3. Cette extraction
technologique a été effectuée par l’équipe Thales Security Solutions & Service au centre du
CNES.
La mémoire étudiée est une SRAM fabriquée par le fondeur Cypress, dite de Haute-
Performance (High-performance), de technologie silicium bulk, et organisée en mots de 1M
sur 16 bits. Les cellules mémoires sont conçues sur un schéma classique de 6 transistors dans
des dimensions 1,2 x 0,85 µm pour une surface totale de cellule évaluée à 1,02 µm². La Fig.
100 présente les vues de dessus d’un point mémoire pour différents niveaux : la couche de
polysilicium de grille (a) et au niveau de la couche de métallisation M1 (b).
Les transistors N1 et P3 et les transistors N2 et P4 constituent respectivement les
inverseurs 1 et 2 de la cellule mémoire. Les transistors N5 et N6 sont utilisés comme
transistors d’accès, permettant la lecture et l’écriture dans le point mémoire. La tension
d’alimentation du composant est de 3,3 V.
143
(a) (b)
Fig. 100. Vues de dessus de la mémoire Cypress, (a) de la couche de polysilicium de grille, et (b) de la couche de métallisation M1.
L’implantation de STI est utilisée pour séparer chaque cellule ainsi que les transistors
d’un même point mémoire. Enfin, le composant repose sur un procédé de fabrication de
substrat sans couche épitaxiale.
Les interconnections de la cellule SRAM reposent sur l’utilisation de trois niveaux de
couches de métallisation et une couche de polysilicium de grille :
- La couche de polysilicium de grille permet la connexion des Word-Lines (WL).
- Le niveau 1 de métallisation (M1) est utilisé d’une part pour interconnecter les deux
inverseurs entre eux, comme illustré dans la Fig. 100 (b), et d'autre part pour connecter le
point mémoire aux strapping de l’alimentation (VSS et VDD).
- Le niveau 2 de métallisation (M2) permet la connexion des Bit-Lines (BL) à la cellule.
- Le niveau 3 de métallisation (M3) n’as pas été clairement défini et reste à éclaircir.
Une analyse fine a permis de déterminer que le niveau M1 est constitué de tungstène
tandis que les niveaux M2 et M3 reposent sur une conception en trois couches TiW/Al/TiW.
Ces matériaux utilisés dans la réalisation des niveaux de métallisation sont connus pour avoir
un impact sur la sensibilité des mémoires vis-à-vis du risque SEE [WARR – 05] [REED –
07]. C’est pour cela que la description des interconnections est particulièrement utile pour
définir l’environnement local du composant dans l’outil MUSCA SEP3. Les oxydes de
passivation ainsi que les différentes couches et niveaux de métallisation constituant le
composant sont décrits dans la Fig. 101 et leurs caractéristiques ont été résumées dans le
Tableau 6.
144
Fig. 101. Photo en coupe des interconnections, niveaux de métallisation et des couches de passivation recouvrant les transistors de type P
Type de couche de
passivation ou métallisation
Matériaux Epaisseur (nm)
Passivation SiN / SiO ~ 700 / 100
M3 TiW / Al / TiW ~ 50 / 700 / 50
ILD2 SiO ~ 300
M2 TiW / Al / TiW ~ 50 / 300 / 50
ILD1 SiO ~ 200
M1 W ~ 300
ILD0 SIN / SiO / SiN / SiO ~ 50 / 100 / 50 / 200
Cap SiN ~ 100
Siliciure SiW ~ 50
Poly Poly Si ~ 50
Tableau 6. Constitution des matériaux et les épaisseurs utilisées pour les différentes couches de passivation et les niveaux de métallisation.
Le détail de la constitution des interconnections de la mémoire SRAM a été déduit de
la coupe transversale de la Fig. 101. Les paramètres technologiques de la mémoire obtenus
par cette analyse sont en adéquation avec les tendances ITRS [ITRS – 07]. Enfin un dernier
élément nécessaire à la définition du modèle composant est la capacité de jonction des
transistors N et P qui a été déterminée à partir de tendances ITRS : respectivement 9 x 10-8
F.cm-1 et 8.5 x 10-8 F.cm-1.
145
Nous disposons à présent du modèle technologique nécessaire à l'approche proposée
par MUSCA SEP3 / ADDICT, il faut désormais proposer un modèle SEU adéquat.
ii. Construction du modèle SEU Cette étape nous a permis de définir le modèle de sensibilité SEU de la technologie
90 nm. Dans ce cadre, plusieurs essais au sol ont été réalisés pour différents types de
particules :
- des irradiations aux neutrons thermalisés ont été réalisées aux installations de ILL
(Institut Laue-Langevin) à Grenoble ;
- des irradiations aux protons hautes énergies (50-185 MeV) ont été réalisées dans les
installations de KVI (Kernfysisch Versneller Instituut) à Groningen (Pays-Bas).
Les mesures de sections efficaces réalisées lors de ces campagnes de test ont été
effectuées par le testeur TIMES. Ce testeur a été développé par le CNES et est constitué de
deux cartes, comme illustré par la Fig. 102.
Fig. 102. Photo du tester TIMES utilisé lors des campagnes de test
Ce testeur comprend une carte mère où est située toute l’électronique de mesure et de
lecture de la mémoire testée. Ces fonctions sont réalisées à partir d’un FPGA Xilinx. La
seconde carte (fille) utilisée par le testeur permet entre autre de régler le positionnement du
composant à tester. Celle-ci peut être déportée à partir de nappes lors de certains tests afin
d’éviter toute perturbation sur l’électronique de mesure. Durant toutes les campagnes
d’irradiations, la méthodologie de test comprend un chargement initial de la mémoire SRAM
146
dans une configuration de type vol (55), puis un scan de lecture continuel durant tout le temps
d’irradiation de la mémoire. Chaque erreur détectée est monitorée on-line pour être
enregistrée, puis immédiatement réécrite suivant le motif initial de test préalablement défini.
Il a été montré [BAUM – 00] que la présence de couche de BPSG
(BoronPhosphoSilicate Glass) était un élément augmentant la sensibilité des composants. En
effet, l’interaction entre les neutrons thermalisés avec le Bore 10 contenu dans les couches de
BPSG peut être à l’origine du basculement de points mémoires. Afin de déterminer la
présence ou non de BPSG dans la mémoire Cypress étudiée, nous avons réalisé des
irradiations aux neutrons thermalisés au centre de l’ILL à Grenoble. La très faible section
efficace mesurée, de l’ordre de 1 x 10-16 .cm2/bit, démontre l’absence de BPSG dans cette
mémoire. Ce résultat nous permet de considérer uniquement les neutrons et protons de hautes
énergie (> 1 MeV) comme contributeurs pouvant induire un basculement dans cette mémoire
90 nm Cypress.
La figure 103 présente une comparaison de la section efficace SEU issue des mesures
obtenues lors de la campagne d’irradiation à KVI, et les données issues de MUSCA SEP3 /
ADDICT.
Fig. 103. Section efficace SEU totale mesurée lors d’irradiation proton à KVI et calculée par
l’outil de prédiction MUSCA SEP3 / ADDICT
147
Elément très important, nous constatons une section efficace de la mémoire (carrés
rouges) relativement élevée, de l’ordre de 1 x 10-12 cm2/bit. Des travaux récents ont révélé
pour des mémoires 90 nm commerciales Cypress, une sensibilité semblable à la différence
d’autres mémoires SRAM de niveau technologique similaire [HAND – 11]. Le plateau de la
section efficace est un phénomène connu pour des protons de forte énergie [HAND – 11]
[LAWR – 08]. L’estimation de section efficace (ronds bleus) a été calculée par la méthode
MUSCA SEP3 / ADDICT utilisant d'une part le modèle composant défini précédemment et
d'autre part en considérant des valeurs Qcrit et Δt compatibles avec le niveau d'intégration de la
technologie et donnant les résultats les plus pertinents du point de vue du fit.
La Fig. 103 met en évidence la bonne adéquation entre les données expérimentales
(carrés rouges) et les calculs d’estimation. La faible charge critique (< 1 fC) souligne la forte
sensibilité de cette mémoire SRAM. De plus, la variabilité du modèle de sensibilité (charge
critique) permet de proposer une enveloppe d’estimation SEU en bonne adéquation avec les
mesures expérimentales.
La Fig. 104 présente en détail la répartition du type de basculements (SEU, MCU)
mesurés lors des irradiations à KVI.
Fig. 104. Données expérimentales et calculs du taux d’événements simples et multiples pour
différentes énergies de protons.
148
Les mesures expérimentales montrent une légère augmentation du pourcentage de
MCU de 66 % à 50 MeV jusqu’à 72 % pour un flux de protons de 185 MeV. Nous constatons
que les pourcentages calculés sont en assez bonne adéquation avec les mesures
expérimentales. Ces résultats nous permettent de valider le modèle composant et de
sensibilité, et ce, grâce à des résultats expérimentaux obtenus pour une contrainte de protons
hautes énergies. Une question importante est de savoir si ces modèles sont transposables à un
autre type de champ radiatif (principe de passerelle).
Le résultat suivant repose sur une comparaison de la sensibilité de la mémoire SRAM
Cypress sous faisceau de neutrons (entre 3 et 450 MeV) avec des résultats issus de la méthode
MUSCA SEP3 / ADDICT utilisant les modèles technologiques et SEU précédemment définis.
La Fig. 105 présente ces résultats, une enveloppe de sensibilité calculée est aussi proposée en
fonction du niveau de sensibilité du modèle SEU. La Fig. 105 met en évidence la bonne
adéquation entre les résultats expérimentaux de ASP et TRIUMF (triangles rouges) et la
section efficace calculée pour des faisceaux de neutrons de 14 MeV et 450 MeV.
Fig. 105. Section efficace SEU neutrons calculée par la plateforme MUSCA SEP3 / ADDICT
comparée aux données expérimentales de ASP et TRIUMPF [HANS – 11].
149
Cette étape de validation des modèles technologique et SEU vis-à-vis d'essais sol
réalisés pour différents types de particules nous autorise à utiliser ces mêmes modèles pour
des ERN opérationnels.
3. Prédiction opérationnelle Une plateforme expérimentale comprenant 250 Mbits de mémoire SRAM 90 nm a été
embarquée en charge utile de ballons stratosphériques lors de deux campagnes de lancement
menées par le CNES en 2010 et 2011 à Kiruna en Suède (projet BALLTRAP). Lors de ces
deux campagnes, dix vols ont été effectués dont un (en 2010) a permis de mesurer un nombre
significatif d’erreurs fonctionnelles. Les mesures SEU lors de ce vol vont faire l’objet d’une
comparaison avec un calcul opérationnel réalisé à partir de la méthode proposée par MUSCA
SEP3 / ADDICT.
Les données de localisation du ballon sont collectées et transmises on-line par une
puce GPS présente dans la nacelle de télémesure scientifique (cf. Fig. 98). La Fig. 106 illustre
le parcours du vol ballon lancé en 2010 durant lequel le ballon a effectué une distance de
100 km proche de Kiruna. Ce vol a duré 6 heures, et le ballon a atteint l’altitude maximale de
43 km.
Fig. 106. Cartographie du parcours en 2010 du vol du ballon stratosphérique.
150
i. Comparaison des données issues de vol ballon L'ERN relatif aux vols ballon est déduit en assimilant les données mission (latitude,
longitude, altitude et activité solaire) à l'outil QARM [QARM]. Cet outil permet également de
distinguer les caractéristiques directionnelles des neutrons et protons incidents. Ces données
d'environnement sont par conséquent une entrée pour MUSCA SEP3. La plateforme va
permettre de calculer les dépôts 3D de la densité de porteurs dans le volume de silicium induit
par l'environnement opérationnel. Le modèle d'effet ADDICT permet alors de statuer sur
l'occurrence SEU.
Concernant les mesures en vol, celles-ci ont révélé une majorité d’upsets multiples
(MCU). La Fig. 107 présente le taux d’erreur fonctionnelle (SER) calculé pour le vol ballon
de 6 h lancé en 2010. Tout d’abord, nous constatons que le SER est fonction de l’altitude du
ballon. En effet, comme il a été présenté dans le premier chapitre, le flux de particules
augmente avec l’altitude, il est donc naturel que le nombre d’erreurs augmente avec l’altitude
du ballon. De plus, nous remarquons qu’au-dessus de 30 km d’altitude, les neutrons et protons
ont une contribution similaire vis-à-vis du taux d’événement singulier.
Fig. 107. Représentation du taux opérationnel (SER) calculé pour la plateforme
expérimentale BALLTRAP embarquée dans le ballon stratosphérique lancé en 2010 pour une durée de vol de 6 heures. Les contributions des neutrons et protons mais également l’altitude
du ballon sont également représentées.
151
Le nombre d’erreurs observées, 13 (barres rouges), a été comparé avec les calculs
issus de MUSCA SEP3 / ADDICT (barres bleues). La Fig. 108 illustre clairement la bonne
adéquation entre les données expérimentales et le calcul opérationnel, 18 erreurs au total pour
ce vol ballon. En effet, la variabilité de la charge critique utilisée dans le modèle de sensibilité
(< 1 fC) permet de proposer une enveloppe d'estimation englobant le nombre d’erreurs
fonctionnelles mesurées. De plus, le calcul opérationnel permet une bonne estimation du
nombre d’événements simples (SEU) et multiples (MCU).
Fig. 108. Représentation et comparaison du nombre d’erreurs fonctionnelles (SEU et MCU) mesurées expérimentalement (barres rouges), et calculées par MUSCA SEP3 / ADDICT pour différents niveaux de sensibilité (charge critique < 1 fC) pour le vol ballon lancé par le CNES
en 2010.
ii. Comparaison des données issues du vol avion Une dernière comparaison a été réalisée pour un vol commercial long courrier entre
Los Angeles et Paris. Les résultats obtenus lors de ce vol avion ont été présenté en détail dans
des travaux réalisés en 2009 [PERO – 09]. La Fig. 109 représente le nombre d’erreurs
cumulées totales pour les 11 h 30 du vol commercial.
Le nombre d’erreurs mesurées par la plateforme expérimentale BALLTRAP de
15 erreurs (triangle rouge) est en bonne adéquation avec l’enveloppe de prédiction (zone
bleue).
152
A l'inverse des travaux réalisés dans le cadre de cette thèse, les travaux réalisés par
MUSCA SEP3 en 2009 ne disposaient pas d'un modèle technologique issu de l'analyse
technologique, ni de données sol. L'ensemble des modèles était issu des roadmaps de l'ITRS.
Compte tenu de l'amélioration qu'apportent ces nouveaux résultats (Fig. 109), ils sont donc
l'occasion de relever l'importance de disposer d'un modèle technologique et d'un modèle SEU
suffisant.
Fig. 109. Représentation et comparaison du nombre d’erreurs cumulées totales mesurées
expérimentalement (triangle rouge), et calculées par MUSCA SEP3 / ADDICT pour différents niveaux de sensibilitsé (charge critique < 1 fC) de la mémoire SRAM 90 nm embarquée dans
un vol commercial long courrier entre Los Angeles et Paris (zone bleue).
iii. Impact de l'ionisation directe des protons Le dernier paragraphe de ce chapitre est consacré à une étude prospective portant sur
l'impact de l'ionisation directe des protons sur l'apparition d’upsets dans des mémoires SRAM
nanométriques.
Comme cela a été présenté dans le premier chapitre, cette problématique liée à
l’ionisation directe des protons a été observée dés 2008 par IBM dans des mémoires SRAM
65 nm SOI [HEID – 08]. Nous allons étudier la contribution au taux d’erreur global induite
153
par l’ionisation directe des protons dans des mémoires embarquées dans un vol
stratosphérique. Pour réaliser cette étude prospective, une mémoire SRAM 65 nm est
modélisée [LUO – 04] et virtuellement embarquée dans le vol ballon lancé en 2010. Ce vol a
été sélectionné pour son profil à haute altitude, afin de subir un environnement ayant une
population de protons plus contraignante.
La Fig. 110 représente l’évolution du SER de la mémoire 65 nm durant les 6 heures du
vol ballon. On remarque que la contribution des protons par ionisation directe devient
majoritaire par rapport aux neutrons à partir de 30 km d’altitude.
Fig. 110. Représentation du taux opérationnel (SER) calculé pour une mémoire 65 nm
virtuellement embarquée dans le ballon stratosphérique de 2010. Les contributions des neutrons et protons mais également l’altitude du ballon sont également représentées.
4. Bilan des calculs d'estimation de risques SEU/MBU
Nous avons couplé ADDICT avec un critère de basculement adapté à l'approche
dynamique proposée dans le chapitre 4. Ce critère repose sur la notion de rétro-couplage entre
les deux inverseurs constituant la cellule SRAM, et sur le fan-out 1 (FO-1) déterminant le
temps de basculement des inverseurs du point mémoire.
Cette méthodologie permet de prédire la section efficace de sensibilité SEU pour des
mémoires de type SRAM et pour des échelles d'intégration allant de 0.25 μm à 65 nm. Des
comparaisons entres sections efficaces expérimentales obtenues sous faisceaux d'ions lourds
154
accélérateur (TAMU, IPN, UCL, LBNL) et l'approche proposée par ADDICT ont démontré la
pertinence et l'apport d'une telle méthode.
Cette première étape nous a conduit à généraliser l’approche à un cas pratique de
calcul de taux opérationnel. Nous avons préalablement décrit la méthodologie associant les
résultats d’essais sous accélérateurs et les résultats issus de l'extraction technologique pour
construire les modèles technologique et de sensibilité SEE. Il apparaît donc que le périmètre
technique de ADDICT combine à la fois les modèles physiques proprement dits et les
procédures permettant la mise en place des modèles technologique et SEU.
La dernière partie de ce chapitre a permis de valoriser le modèle ADDICT dans le
cadre du projet BALLTRAP dédié à l’étude de sensibilité de composant CMOS en
environnement atmosphérique. Cette étude non exhaustive s’est attachée à présenter la
méthodologie utilisant l’association du modèle ADDICT avec la plateforme MUSCA SEP3
afin de proposer une prédiction opérationnelle appliquée à une mémoire 90 nm embarquée sur
des vols de ballons stratosphériques et avions.
155
Conclusion générale Lorsqu’une particule ionisante traverse le matériau semi-conducteur d'un composant,
des paires électron-trou (e/h) sont créées et vont, via des mécanismes de transport et de
collection de charges par les électrodes, induire un courant transitoire parasite. Cette
perturbation transitoire va circuler à travers l’impédance du nœud et créer une impulsion de
tension. Cette impulsion peut alors se propager à travers les chaînes logiques (effets SETs)
et/ou provoquer des basculements de niveaux logiques lorsqu’elle est captée par une mémoire
ou une bascule (effet SEU). Elle peut également directement provoquer un SEU si
l'interaction a lieu au sein même d'un point mémoire.
La prédiction des risques est un champ important de la thématique SEE ; elle a pour
objectifs d'une part d'évaluer le risque opérationnel et d'autre part de permettre d'anticiper
l'évolution des risques. A l’origine, c’est-à-dire à l’époque des technologies déca
micrométriques, les mécanismes qui régissaient les processus de collection de charges étaient
suffisamment simples pour qu’une approximation acceptable fût de considérer chaque nœud
sensible comme un parallélépipède (modèle RPP). Avec l’évolution technologique et
l’émergence des technologies micro puis nanométriques, les composants numériques se sont
profondément complexifiés, au point de rendre obsolètes les méthodes de prédictions
conventionnelles.
Nous savons qu’avec la miniaturisation des composants, la sensibilité aux événements
singuliers évolue et a tendance à augmenter. De la même manière, la signature des
événements est de plus en plus complexe et problématique d'un point de vue de la
fonctionnalité du composant. Ainsi, le besoin des industriels à quantifier le risque
opérationnel induit par l’ERN sur les composants et systèmes électroniques avancés s'est
renforcé. Les travaux relatifs à cette thèse s'inscrivent dans le cadre de ce besoin et son
objectif principal est de mettre en place une méthode prédictive dédiée à l'échelle
nanométrique MOS et intégrant la dynamique des effets. Au-delà du strict objectif, le
cheminement pour y parvenir a nécessité la mise en œuvre de plusieurs compétences
techniques et nous a conduit à réaliser un certain nombre d'investigations. Préalable à toute
proposition de nouveau modèle, il nous a fallu identifier et comprendre les mécanismes
physiques de transport des porteurs et de collections de charges. Cette connaissance nous a
conduit à proposer le modèle dynamique ADDICT tout en veillant à en valider la pertinence.
Enfin, le couplage de ADDICT en tant que modèle d'effet à la plateforme MUSCA SEP3 a
démontré l'intérêt d'une telle approche vis-à-vis de données opérationnelles.
156
La première phase basée sur la simulation TCAD avait pour objectif d'identifier les
mécanismes de transport et de collection de charges conduisant à l’apparition de la réponse
transitoire I(t). Nous avons montré que les mécanismes de transport sont fortement liés au
phénomène de diffusion ambipolaire tout en tenant compte de l’effet de carrier-carrier
scattering. Ce dernier point n'était jusque-là pas pris en compte dans les méthodes et modèles
proposés. D’autre part, les mécanismes de collection de charges reposent sur une modification
des propriétés électriques de la zone de déplétion induite par la concentration de porteur libre
à la jonction. Ces paramètres électriques que sont le champ électrique, la largeur de zone de
déplétion et la vitesse de collection dépendent directement de deux paramètres
technologiques : la tension d’alimentation et le niveau de dopage du substrat. Ce dernier
paramètre étant difficile d’accès pour un utilisateur lambda, la capacité de jonction drain /
substrat a été choisie comme paramètre d’entrée. La capacité de jonction est un paramètre
caractéristique pour chacun des nœuds technologiques, et peut être obtenue à partir des
roadmaps technologiques ITRS ou SIA ou peut être extraite directement du composant via un
reverse technologique. Les limitations du modèle de diffusion classique ont été clairement
évoquées dans ce manuscrit et étayées par de nombreux résultats et comparaisons. En effet, la
non prise en charge du phénomène de carrier-carrier scattering est une limitation importante
dans la modélisation du transport des porteurs. Par ailleurs, la non prise en compte de la
modulation de la vitesse de collection au cours de la réponse transitoire est une limitation
majeure dans la modélisation de la collection de charges pour des technologies
nanométriques.
Le modèle développé au cours de cette thèse, ADDICT, se base sur une modélisation
séquentielle de la diffusion ambipolaire des porteurs puis de la collection dynamique des
charges. Le modèle se base sur le paramètre technologique du dopage du substrat pour
caractériser le phénomène de collection de charge. Cette approche permet de rendre compte
d’une part des phénomènes de transport de charges et d’autre part de caractériser les
variations temporelles de collection de charges. Une première validation pour des composants
simples (NMOS) a montré la pertinence, la précision et la robustesse du modèle ADDICT à
retranscrire les caractéristiques de la réponse transitoire, et ce, quel que soit le niveau
d'intégration du nœud technologique étudié (0.25 µm jusqu’à 65 nm). Une telle démarche a
été appliquée vis-à-vis de données issues d'expériences sous faisceaux et de simulations
TCAD. Une seconde démarche a eu pour objectif de se focaliser sur les mécanismes relatifs à
la multi-collection dans des structures complexes (transistors multiples) fortement intégrées
(90 nm et 65 nm). Grâce à une collaboration avec l’Université de Vanderbilt aux USA (qui a
157
conduit à réaliser un séjour de 3 mois en 2010), des phénomènes nouveaux inhérents à
l’intégration technologique, tels que la multi-collection et le charge sharing, ont pu être
modélisés et intégrés dans ADDICT. Cette investigation a permis de confirmer la validité de
ADDICT pour modéliser la multi-collection dans un composant MOS de technologie bulk.
Enfin, dans une dernière partie, un critère de basculement de point mémoire adapté à
la prédiction SEU et aux spécificités dynamiques de ADDICT a été présenté. Ce critère
repose sur la notion de rétro-couplage entre les deux inverseurs constituant la cellule SRAM,
et sur le fan-out 1 (FO-1) déterminant le temps de basculement des inverseurs du point
mémoire. La méthodologie associant ADDICT à ce critère a permis de réaliser des calculs
prédictifs de section efficace pour des mémoires SRAM suffisamment représentatives de
l’ensemble de la roadmap technologique (0.25 μm à 65 nm). Nous avons par ailleurs montré
que cette nouvelle méthodologie n'avait de sens que si le modèle d'effet ADDICT est associé
à des procédures permettant de construire les modèles technologiques et SEU sur la base
d'une extraction maîtrisée des paramètres physiques et technologiques. Comme pour la
plateforme MUSCA SEP3, la mise en œuvre opérationnelle de ADDICT nécessite une analyse
technologique et des essais sols. Les derniers travaux ont été consacrés à l'application de notre
méthodologie intégrant ADDICT à des données de vols issues d'une expérience embarquée
sur ballon stratosphérique et avion.
Il apparaît que l’une des perspectives les plus intéressantes qui résulte du
développement du modèle ADDICT est l'étude des effets de propagation dans les chaînes
CMOS. Cette prochaine étape est en cours de développement au DESP et consiste à utiliser
les courants transitoires issus de ADDICT en les injectant dans ces simulations circuits SPICE
(Simulation Program with Integrated Circuit Emphasis) ou Cadence. Il est ainsi possible de
simuler des chaînes ou des portes logiques (type NAND, XOR) ou bien encore des circuits
plus complexes tels que des PLL ( Phase-Locked Loop). Comme nous l'avons dit, l'apport de
ADDICT vis-à-vis de la problématique SET repose principalement sur une prise en compte de
la dynamique des mécanismes de transport / collection. Il s'agissait d'une démarche imposée
par l’intégration technologique des circuits complexes dont nous avons évoqué l'importance
dans le chapitre 2.
Une autre perspective particulièrement intéressante est l’application de ADDICT en
tant que générateur de courant dans une méthodologie de simulation d’injection de fautes
transitoires dans des circuits haut niveau, tels que circuits complexes à base de
158
microprocesseur (FPGA, Power PC, …). Notons que la thématique SET dans les circuits
complexes est un axe en plein essor.
Enfin, ADDICT est susceptible d'apporter une contribution tout à fait significative à
plusieurs champs thématiques émergents. La granularité de son analyse pourrait permettre
d'étudier sous un angle nouveau certains effets émergents comme l'impact de l'ionisation
directe des protons ou bien l'impact de la dimension radiale des traces générées par le passage
des ions.
L'approche proposée par ADDICT peut également aider à déterminer la réponse des
technologies nanométriques vis-à-vis des radiations et permettre d’en déduire certaines
recommandations (ou guideline). Il serait ainsi possible de proposer et d'évaluer diverses
méthodes (ou tendances à suivre) qui auraient pour objectif de durcir un circuit ou une porte
logique. Il s'agit d'un volet applicatif très proche des fabricants de composants et/ou des
designers, et qui illustre fort bien le caractère pluri applicatif des travaux liés à cette thèse.
159
Liste des acronymes ADDICT Advanced Dynamic DIffusion Collection Transient
AMD Advanced Micro Devices
BL Bit-Lines
BPSG BoroPhosphor-Silicate Glass
CEA-DAM Commissariat à l’Energie Atomique - Direction des Applications Militaires
CMOS Complementary Metal Oxide Silicon
CNES Centre National d’Etudes Spatiales
CREME Cosmic Ray Effect on MicroElectronics
DESP Département Environnement Spatial
EOT Equivalent Oxide Thickness
ERN Environnement Radiatif Naturel
ESA European Space Agency
FDSOI Fully Depleted Silicon On Insulator
FO-1 Fan-Out 1
FPGA Field-Programmable Gate Array
FRAM Ferroelectric Random Access Memory
GAA Gate-all-Around
GANIL Grand Accélérateur National d'Ions Lourds
GEANT4 GEometry ANd Tracking
GEO Geostationary Earth Orbit
GEOS Geostationary Operational Environmental Satellite
ILL Institut Laue-Langevin
IPN Institut de Physique Nucléaire
IRPP Integrated Rectangular Parallelepiped Parallelogram
ITRS International Technology Roadmap for Semiconductor
KVI Kernfysisch Versneller Instituut
LBNL Lawrence Berkeley National Laboratory
LEO Low Earth Orbit
LET Linear Energy Transfer
LOCOS LOCal Oxidation of Silicon
MBU Multiple Bit Upset
160
MCU Multiple Cell Upset
MOS Metal Oxide Silicon
MRAM Magnetic Random Access Memory
MRED Monte-Carlo Radiation Energy Deposition (Université Vanderbilt)
MUSCA SEP3 Multi SCAle Single Event Phenomena Predictive Platform
NRL Naval Research Laboratory
OMERE Outil de Modélisation d’Environnement Radiatif Externe
ONERA French Aerospace Lab
PLL Phase-Locked Loop
QARM Qinetiq Atmospheric Radiation Model
RPP Rectangular Parallelepiped Parallelogram
SEE Single Event Effect
SEM Scanning Electron Microscope
SEMM Soft-Error Monte carlo Model (par IBM)
SER Single Event Rate
SET Single Event Transient
SEU Single Event Upset
SIA Semiconductor Industry Association
SOI Silicon On Insulator
SOS Sapphire On Silicon
SPICE Simulation Program with Integrated Circuit Emphasis
SRAM Static Random Access Memory
SRIM Stopping and Range of Ions in Matter
STI Shallow Trench Isolation
TAMU Texas A&M University
TCAD Technology Computer-Aided Design
TDRS-1 Tracking and Data Relay Satellite-1
TIMA Techniques Informatique et Microélectronique pour l'Architecture ordinateurs
TRAD Test & RADiation
TSMC Taiwan Semiconductor Manufacturing Company
UCL Université Catholique de Louvain
VLSI Very Large Scale Integration
WL Word-Lines
ZCE Zone de Charge d’Espace
161
Références et bibliographie
AHLB 10 J. S. Ahlbin, M. J. Gadlage, B. L. Bhuva, R. A. Reed, L. W. Massengill,
G. Vizkelethy, “The effect of layout topology on Single-event transient pulse
quenching in a 65 nm bulk CMOS process”, IEEE Trans. Nucl. Sci., Vol. 57,
No. 6, pp. 3380-3385, Dec. 2010.
ALLE 08 G. Allen, G. Swift, C. Carmicheal, “Virtex-4QV static SEU characterization
summary”, JPL Publication, 08-16 4/08.
AMUS 06 O. A. Amusan, A. F. Witulski, L. W. Massengil, B. L. Bhuva, P. R. Fleming,
M. L. Alles, A. L. Sternberg, J. B. Black, and R. D. Schrimpf, « Charge
collection and charge sharing in a 130-nm CMOS technology », IEEE Trans.
Nucl. Sci., vol. 53, no. 6, pp. 3253-3258, Dec. 2006.
ARNA 06 F. Arnaud, F. Boeuf, F. Salvetti, D. Lenoble, F. Wacquant, C. Regnier,
P. Morin, N. Emonet, E. Denis, J.C. Oberlin, D. Ceccarelli, P. Vannier,
G. Imbert, A. Sicard, C. Perrot, O. Belmont, I. Guilmeau, P.O. Sassoulas,
S. Delmedico, R. Palla, F. Leverd, A. Beverina, V. DeJonghe, M. Broekaart,
L. Pain, J. Todeschini, M. Charpin, Y. Laplanche, D. Neira, V. Vachellerie,
B. Borot; T. Devoire, N. Hinschberger, R. Pantel, N. Revil, C. Parthasarathy,
N. Planes, H. Brut, J. Farkas, J. Uginet, P. Stolk, M. Woo, “A functional
0.69 µm² embedded 6T-SRAM bit cell for 65 nm CMOS platform”, IEEE
VLSI Technology Digest of Technical Papers, pp. 65-66, VLSI Symposium
2003.
ARTO 10 L. Artola, G. Hubert, S. Duzellier, F. Bezerra, “ADDICT, the Advanced
Dynamic Diffusion Collection Transient model for SEE prediction”, Conf. 1st
RADPRED, Toulouse, January 2010
ARTO 10 L. Artola, G. Hubert, F. Bezerra, S. Duzellier, “Collected charge analysis for a
new advanced transient model by TCAD simulation in 90nm technology”,
IEEE Trans. Nucl. Sci. Vol. 57, No.4, August 2010.
BALL 10 D. R. Ball, M. L. Alles, R. D. Schrimpf, and S. Cristoloveanu, “Comparing
Single Event Upset sensitivity of bulk vs. SOI based FinFET SRAM cells
using TCAD simulations”, IEEE International SOI Conference, 2010.
162
BAUM 00 R. C. Baumann, and E. B. Smith, “Neutron-induced boron fission as a major
source of soft errors in deep submicron SRAM devices”, IRPS 2000
proceeding, pp. 152-157.
BLAC 08 J. D. Black, D. R. Ball, W. H. Robinson, D. M. Fleetwood, R. D. Schrimpf,
R. A. Reed, D. A. Dodd, N. F. Haddad, M. A. Wapson, H. S. Kin, and
M. Friendlich, “Characterizing SRAM single event upset in terms of single and
multiple node charge collection”, IEEE Trans. Nucl. Sci., vol. 55, no. 6, Dec.
2008.
BOUD 95 J. C. Boudelot, “L’environnement spatial”, Ed. Presse Universitaire de France,
Collection Que sais-je ?, Octobre 1995.
BRAD 98 F. T. Brady, R. Brown, L. Rocket, and J. Vasquez, “Development of a
Radiation Tolerant 1M SRAM on Fully-Depleted SOI”, IEEE Trans. Nucl.
Sci., Vol. 45, Nol. 6, Dec. 1998.
BYU http://www.cleanroom.byu.edu/pn_junction.phtml
CANA 75 C. Canali, C. Jacoboni, F. Nava, G. Ottaviani, and A. Alberigi-Quaranta,
“Electron drift velocity in silicon” Physical Review. Vol.12, No4, Aug.1975.
CANA 75 C. Canali, et al, “Electron and hole drift velocity measurements in silicon and
their empirical relation to electric field and temperature”, IEEE TED, vol. ED-
22, pp. 1045-1047.
CHAN 03 Y. Chang, “Etude de caractérisation de matériaux diélectrique de grille à forte
permittivité pour les technologies CMOS ultime”, Thése, Institut National des
Sciences Appliquées de Lyon, 2003.
CHOI 01 Y. Choi, N. Lindet, P. Xuan, S. Tang, D. Ha, E. Anderson, T. King, J. Bokor,
C. Hu, IEDM Tech. Digest, pp. 421-424, 2001.
CHOO 72 S. C. Choo, “Theory of a forward-biased diffused-junction PiN rectifier. Part I:
Exact numerical solution”, IEEE Trans. Electron Devices, Vol. ED-19, pp.
954-966, 1972.
COLI 02 J.P. Colinge, M. H. Gao, A. Romano-Rodriguez, H. Maes, C. Claeys, IEDM
Tech. Digest, pp. 595-598, 2002.
CORR 06 V. Correas, F. Saigné, B. Sagnes, J. Boch, G. Gasiot, D. Giot and P. Roche,
“Simulation tool for the prediction of heavy ion cross section of innovative
130-nm SRAMs”, IEEE Trans. Nucl. Sci., Vol. 55, No. 4, Aug. 2006.
163
CORR 07 V. Correas, F. Saigné, B. Sagnes, J. Boch, G. Gasiot, D. Giot and P. Roche,
“Innovative simulation of heavy ion cross section in 130nm CMOS SRAM”,
IEEE Tran. Nucl. Sci., Vol. 54, No. 6, Dec. 2007.
CORR 08 V. Correas, F. Saigné, B. Sagnes, J. Boch, G. gasiot, D. Diot, P. Roche,
“Simulation tool for the prediction of heavy ion cross section of innovative
130nm-SRAMs”, IEEE Trans. Nucl. Sci., Vol. 55, No. 4, August 2008.
CORR 08 V. Correas, “Prédiction de la section efficace des aléas logiques (SEU) et du
taux d’aléas multiples (MCU) de technologies CMOS deca-nanométriques
sous irradiation aux ions lourd ”, Thèse, Université de Montpellier II, 2008.
CREM 96 CREME: Cosmic Ray Effects on Micro-Electronics (1996 revision) program
http://crsp3.nrl.navy.mil/creme96
DODD 94 P.E. Dodd, F. W. Sexton, and P. S. Winokur, “Three-dimensional simulation of
charge collection and multiple-bit upset in Si devices”, IEEE Trans. Nucl. Sci.,
Vol. 41, No. 6, pp. 2005-2017, Dec. 1994.
DODD 96 P.E. Dodd, “Device simulation of charge collection and single-event upset,”
IEEE Trans. Nucl. Sci., Vol 43, No. 2, pp.561-575, Apr. 1996.
DODD 96 P.E. Dodd, F. W. Sexton, G. L. Hash, M. R. Shaneyfelt, B. L. Draper,
A. J. Farino, and R. S. Flores, “Impact of technology trends on SEU in CMOS
SRAMs”, IEEE Trans. Nucl. Sci., Vol. 43, No. 6, pp. 2797-2804, Dec. 1996.
DODD 04 P. E. Dodd, M. R. Shaneyfelt, J. A. Felix and J. R. Schwank, “Production and
propagation of single-event transients in high-speed digital logic”, IEEE Trans.
Nucl. Sci., Vol. 51, No. 6, p. 3278, Dec. 2004.
DODD 05 P. E. Dodd, “Physics-based simulation of single-event effects”, IEEE Trans.
On Device and Materials Reliability, Vol. 50, No. 3, p.343, 2005.
EDMO 91 Larry D. Edmonds, “A simple estimate of funnelling-assisted charge
collection”, IEEE Trans. Nucl. Sci., vol. 38, no. 2, pp. 828-833, April 1991.
EDMO 97 Larry D. Edmonds, “Charge collection from ion traks in simple epi diode”,
IEEE Trans. Nucl. Sci., vol. 44, no. 3, pp. 1448-1463, Jun. 1997.
EDMO 01 Larry D. Edmonds, “A time dependent charge collection efficiency for
diffusion”, IEEE Trans. Nucl. Sci., Vol.48, No.5, Oct. 2001.
ELMI 97 J. R. Elmiger, and M. Kunst, “Transition from minority to ambipolar transport
in crystalline silicon at high temperatures”, Solid State Electronics, Vol. 41, No
9, pp. 1257-1261, Feb.1997.
164
FERL 06 V. Ferlet-Cavrois, P. Paillet, M. Gaillardin, D. Lanbert, J. Baggio,
J. R. Schwank, G. Vizkeleth, M. R. Shaneyfelt, K. Hirose, E. W. Blackmore,
O. Faynot, C. Jahan, and L. Tosti, “Statistical analysis of the charge collected
in SOI and bulk devices ender heavy ion and proton irradiation-implications
for digital SETs”, IEEE Trans. Nucl. Sci., vol. 53, no. 6, pp. 3242-3252, Dec.
2006.
FRAN 09 A. M. Francis, D. Dimitroc, J. Kauppila, A. Sternberg, M. A. Alles, J. Holmes,
and H. A. Mantooth, “Significance of strike model in circuit-level prediction of
charge sharing upsets”, IEEE Trans. Nucl. Sci., vol. 56, no. 6, Dec. 2009
GADL 09 M. J. Gadlage, J. R. Ahlbin, V. Ramachandran, P. Gouker, C. A. Dinkins,
B. L. Bhuva, B. Narasimham, R. D. Schrimpf, M. W. McCurdy, M. L. Alles,
R. A. Reed, M. H. Mendenhall, L. W. Massengill, R. L. Shuler, and
D. McMorrow, “Temperature dependence of digital single-event transients in
bulk and fully-depleted SOI technologies”, IEEE Trans. Nucl. Sci., vol. 56,
n° 6, Dec. 2009.
GADL 11 M. J. Gadlage, J. R. Ahlbin, B. Narasimham, B. L. Bhuva, L. W. Massengill,
and R. D. Schrimpf, “Single-Event Transient measurements in nMOS and
pMOS transistors in a 65-nm bulk CMOS technology at elevated
temperatures”, IEEE Trans. Device and materials Reliability, vol. 11, no.1,
March 2011.
GHAN 09 T. Ghani, “Challenges and Inovations in Nano-CMOS Transistor Scaling”,
presentation Intel Fellow, Logic Technology Development, October 2009.
GEOS http://www.ngdc.noaa.gov/stp/satellite/geos/index.html
GEOR 03 J. George, R. Koga, K. Crawford, P. Yu, S. Crain, and V. Tran, “SEE
sensitivity trends in non-hardened high density SRAMs with sub-micron
feature sizes”, IEEE Radiation Effect Data Workshop, pp. 83-88, 2003.
GUAR 01 K.W. Guarini, P.M. Solomon, Y. Zhang, K.K. Chan, E.C. Jones, G.M. Cohen.
A. Krasnoperova, M. Ronay, 0. Dokumaci, J.J. Bucchignano, C. Cabral Jr.,
C. Lavoie, V. Ku, D.C. Boyd, K.S. Petrarca, I.V. Babich, J. Treichler,
P.M. Kozlowski, J.S. Newbury, C.P. D’Emic, R.M. Sicina, and H.S. Wong,
IEDM Tech. Digest, pp. 425-428, 2001.
GUPT 87 R.K. Gupta, I. Sakai, and H. Chenming, “Effects of substrate resistance on
CMOS latchup holding voltages”, Electron Device, IEEE, Trans. Nucl. Sci.
Vol. 34, No. 11, p. 2309, 1987.
165
GWYN 67 C.W. Gwyn, D.L. Sharfetter, J.L. Wirth, “The analysis of radiation effects in
semiconductor junction devices,” IEEE Trans. Nucl. Sci., Vol.14, No 6, pp.
153-169, Dec. 1967.
HANS 07 D.L. Hansen, K. Jobe, J. Whittington, M. Shoga, and D.A. Sunderland,
“Correlation of prediction to on-orbit SEU performance for a commercial 0.25-
µm CMOS SRAM,” IEEE Trans. Nucl. Sci., Vol. 54, No. 6, pp. 2525-2533,
Dec. 2007.
HANS 11 A. Hands, P. Morris, C. Dyer, K. Ryden, and P. Truscott, “Single event effects
in power MOSFETs and SRAMs due to 3 MeV, 14 MeV and fission neutrons”,
IEEE trans. Nucl. Sci., vol. 58, 2011.
HARB 08 R. Harboe-Sorenson, C. Poivey, F.X. Guerre, A. Roseng, F. Lochon,
G. Berger, W. Hajdas, A. Virtanen, H. Kettunen, and S. Duzellier, “From the
reference SEU monitor to the technology demonstration module on-board
PROBA-II”, IEEE Trans. Nucl. Sci., Vol. 55, No. 6, pp. 3082-3087, Dec. 2008.
HARR 04 S. Harrison, P. Coronel, A. Cros, R. Cerutti, F. Leverd, A. Beverina,
R. Wacquez, J. Bustos, D. Delille, B. Tavel, D. Barge, J. Bienacel,
M.P. Samson, F. Martin, S. Maitrejean, D. Munteanu, J.L. Autran, and
Skotnicki, IEDM Tech. Digest, pp. 449-452, 2004.
HEID 08 D. Heidel, P. Marshall, K. Label, J. Schwanl, K. Rodbell, M. Hakey, M. Berg,
P. Dodd, M. Friendlich, A. Phan, C. Seidleck, M. Shaneyfelt, and M. Xapsos,
“Low energy proton single-event upset test results on 65 nm SOI SRAM,”
IEEE Trans. Nucl. Sci., Vol. 55, No.6, pp. 3394-3400, Dec. 2008.
HEID 09 D. Heidel, P. Marshall, P. Pellish, K. Rodbell, K.A. Label, J.R. Schwank,
S.E. Rauch, M.C. Hakey, M.D. Berg, C.M. Castaneda, P.E. Dodd,
M. Friendlich, A. Phan, C. Seidleck, M. Shaneyfelt, and M. Xapsos, “Single-
event upsets and multiple-bit upsets on 45 nm SOI SRAM”, IEEE Trans. Nucl.
Sci., Vol. 56, No. 6, Dec. 2009.
HERG 01 J.M. Hergenrother, G.D. Wilk, T. Nigam, F.P. Klemens, D. Monroe,
P.J. Silverman, T.W. Sorsch, B. Busch, M.L. Green, M.R. Baker, T. Boone,
M.K. Bude, N.A. Ciampa, E.J. Ferry, A.T. Fiory, S.J. Hillenius, D.C. Jacobson,
R.W. Johnson, P. Kalavade, R. Keller, C.A. King, A. Kornblit, H.W. Krautter,
J.T.–C. Lee, W.M. Mansfield, J.F. Miner, M.D. Morris, S.-H. Oh,
J.M. Rosamilia, B.J. Sapjeta, K. Short, K. Steiner, D.A. Muller, P.M. Voyles,
166
J.L. Grazul, E. Shero, M.E. Givens, C. Pomarède, M. Mazanec, C. Werkhoven,
IEDM Tech. Digest, pp. 51-54, 2001.
HISA 01 D. Hisamoto, IEDM Tech. Digest, pp. 429-432, 2001.
HO 06 J. Ho, Y. Wang, Y.C. Hou, B. S-M. Lin, C.C. Yu, K. Wu, C. Ma, “DFM: A
practical layout optimization procedure for the improved process window for
an existing 90-nm product, Proc. Of SPIE, Vol. 6156, 61560C-1, 2006.
HOWE 05 C.L. Howe, R.A. Weller, R.A. Reed, M.H. Mendenhall, R.D. Schrimpf,
K.M. Warren, D.R. Ball, L.W. Massengill, K.A. Label, J.W. Howard, Jr., and
N.F. Haddad, “Role of heavy-ion nuclear reactions in determining on-orbit
single event error rates”, IEEE Trans. Nucl. Sci., Vol. 52, No. 6, Dec. 2005.
HSIE 81 C.M. Hsieh, “A field-funneling effect on the collection of alpha-particle-
generated carriers in silicium devices”, IEEE Device Letters, Vol EDL-2, No.
4, April 1981.
HUAN 99 X. Huang, et al, IEDM Tech. Digest, pp. 67-70 (1999).
HUBE 99 G. Hubert, J.M. Palau, Ph. Roche, B. Sagnes, J. Gasiot, and M.C Calvet,
“Study of basic mechanism induced by an ionizing particle on simple
structure”, IEEE Trans. Nucl. Sci.., Vol. 53, No. 4, Dec. 1999.
HUBE 02 G. Hubert, Elaboration d’une méthode de prédiction du taux d’aléas logiques
induits dans les mémoires SRAM par les neutrons atmosphériques, Thèse,
Université Montpellier II, 2002.
HUBE 09 G. Hubert, S. Duzellier, C. Inguimbert, C. Boatella-Polo, F. Bezerra,
R. Ecoffet, “Operational SER calculations on the SAC-C orbit using the Multi-
Scales Single Event Phenomena Predictive Platform (MUSCA SEP3)”, IEEE
Trans. Nucl. Sci., Vol. 56, No.6, Dec.09
HUBE 09 G. Hubert, S. Duzellier, F. Bezerra, and R. Ecoffet, “MUSCA SEP3
contribution to investigate the direct ionization proton upset in 65 nm
technology for space and atmospheric applications”, accepted for oral
presentation, 2009 RADECS proceeding.
HUBE 10 G. Hubert, S. Bourdarie, L. Artola, S. Duzellier, C. Boatella-Polo, F. Bezerra,
R. Ecoffet, “Impact of the solar flares on the SER dynamics on micro and
nanometric technologies”, IEEE Trans. Nucl. Sci., Vol. 57, No.6, pp. 3127-
3134, Dec. 2010.
ICEC 97 Integration Circuit Engineering Corporation, “Memory 1997”.
INTE 07 http://www.intel.com/technology/architecturesilicon/silicon.htm
167
ITRS 07 International Technology Roadmap for Semiconductor, 2007,
http://www.itrs.net/reports.html .
JACO 77 C. Jacoboni, C. Canali, G. Ottaviani, A. Quanranta, “A review of some charge
transport properties of silicon”, Solid-State Electronics, vol. 20, pp. 77-89,
1977.
JAME 09 D. James, “Design-for-manufacturing Features in Nanometer Processes – A
Reverse Engineering Perspective” ChipWorks presentation, ASMC 2009.
QUIN 07 H. Quinn, K. Morgan, P. Graham, J. Krone, and M. Cafrrey, « Static proton
and heavy ion testing of the Xilinx Virtex-5 device, » in Proc. IEEE Radiation
Effect Data Workshop, 2007, pp. 177-184.
KEDZ 02 J. Kedzierski, E. Nowak, T. Kanarsky, Y. Zhang, D. Boyd, R. Carruthers,
C. Cabral, R. Amos, C. Lavoie, R. Roy, J. Newbury, E. Sullivan,
J. Benedict, P. Saunders, K. Wong, D. Canaperi, M. Krishnan, K. L. Lee,
B.A. Rainey, D. Fried, P. Cottrell, H.-S. P. Wong, M. Ieong, W. Haensch,
IEDM Tech. Digest, pp. 247-250, 2002.
KERN 89 S.E. Kerns, “Transient-ionization and Single Event Upset”, in Ionizing
Radiation Effects in MOS devices & Circuits, T.P. Ma and P.V. Dressendorfer,
Eds., (Wiley, New-York), 1989.
KIM 03 H.S. Kim, S. Y. Ong, E. Quek, and S. Chu, “High Performance Device Design
through Parasitic Junction Capacitance Reduction and Junction Leakage
Current Suppression beyond 0.1 µm Technology”, Japanese Journal of
Applied Physics, Vol. 42, pp. 2144-2148, 2003.
KING 10 M.P. King, R.A. Reed, R.A. Weller, M.H. Mendenhall, R.D. Schrimpf,
M.L. Alles, E.C. Auden, S.E. Armstrong, M. Asai, “The impact of delta-rays
on single event upsets in highly scaled SOI SRAMs”, IEEE Trans. Nucl. Sci.,
Vol. 57, No. 6, Dec. 2010.
LAWR 08 R.K. Lawrence, and A.T. Kelly, “Single event effect induced multiple-cell
upsets in a 90 nm CMOS digital technology”, IEEE Trans. Nucl. Sci., vol. 55,
no. 6, Dec. 2008
LINN 94 J. Linnros and V. Griviskas, “Carrier-diffusion measurements in siliciun with a
Fourier transient grating method”, Physical Rev. B. Vol. 50, No. 23, Dec. 1994.
LOVE 10 D.T. Loveless, L.W. Massengill, W. Holman, B. Bhuva, D. McMorrow,
J.H. Warner, “A generalized linear model for single event transient propagation
168
in Phase looked loops”, IEEE Trans. Nucl. Sci., Vol. 57, No. 5, pp. 2933-2947,
Oct. 2010.
LUO 04 Z. Luo, A. Steegen, M. Eller, R. Mann, C. Baiocco, P. Nguyen, L. Kim,
M. Hoinkis, V. Ku, V. Klee, F. Jamin, P. Wrschka, P. Shafer, W. Lin, S. Fang,
A. Ajmera, W. Tan, D. Park, R. Mo, J. Lian, D. Vietzke, C. Coppock, A.
Vayshenker, T. Hook, V. Chan, K. Kim, A. Cowley, S. Kim, E. Kaltalioglu, J.
Ku, T. Schiml, J. Sudijono, I. Yang, C. Wann, “High performance and low
power transistors integrated in 65 nm bulk CMOS technology”, Int. Electron
Device Meeting Tech. Digest, San Fransisco, CA, Dec. 2004.
MAIL 10 P. Maillard, W. T. Holman, D. T. Loveless, B. Bhuva, L. W. Massengill, “An
RHDB technique to mitigate pulse in delay looked loops,” IEEE Trans. Nucl.
Sci., Vol. 57, No.6, pp. 3634-3639, Dec. 2010.
MERE 05 T. Merelle, “Conception et validation d’un simulateur Monte-Carlo d’aléas
logiques induits par l’environnement radiatif terrestre sur les technologies très
largement submicroniques,” Thèse de l’Université Montpellier 2, 2005
MERE 05 T. Mérelle, H. Chabane, J.M Palau, K. Castellani-Coulié, F. Wrobel, F. Saigné,
B. Sagnes, J. Boch, J. R. Vaille, G. Gasiot, Ph. Roche, M.C Palau, and
T. Carrière, “Criterion for SEU occurrence in SRAM deduced from circuit and
device simulations in case of neutron-induced SER”, IEEE Trans. Nucl. Sci.,
Vol. 52, No. 4, Aug. 2005.
MIST 07 K. Mistry, Allen, C. Auth, C. Beattie, B. Bergstrom, D. Bost, M. Brazier,
M. Buehler, M. Cappellani, A. Chau, R. Choi, C.-H. Ding, G. Fischer,
K. Ghani, T. Grover, R. Han, W. Hanken, D. Hattendorf, M. He, J. Hicks,
J. Huessner, R. Ingerly, D. Jain, P. James, R. Jong, L. Joshi, S. Kenyon,
C. Kuhn, K. Lee, K. Liu, H. Maiz, J. Mclntyre, B. Moon, P. Neirynck, J. Pae,
S. Parker, C. Parsons, D. Prasad, C. Pipes, L. Prince, M. Ranade, P. Reynolds,
T. Sandford, J. Shifren, L. Sebastian, J. Seiple, J. Simon, D. Sivakumar,
S. Smith, P. Thomas, C. Troeger, T. Vandervoorn, P. Williams, S. Zawadzki,
"A 45nm Logic Technology with High-k+Metal Gate Transistors, Strained
Silicon, 9 Cu Interconnect Layers, 193nm Dry Patterning, and 100% Pb-free
Packaging, IEDM Tech. Dig., pp. 247-250, 2007.
MONF 02 S. Monfray, T. Skotnicki, Y. Morand, S. Descombes, P. Coronel, P. Mazoyer,
S. Harrison, P. Ribot, A. Talbot, D. Dutartre, M. Haond, R. Palla, Y. Le Friec,
169
F. Leverd, M.-E. Nier, C. Vizioz, D. Louis, Symposium VLSI Tech., pp. 109,
2002.
MOOR 98 G.E. Moore, “Cramming more Components on to Integrated Circuits”,
Electronics, Vol. 38(8) (April19, 1965); reproduit dans Proc. IEEE, Vol. 86,
p.82, numéro spatial sur les 50 ans du transistor, 1998.
MURL 96 P.C. Murley, et al, “Soft-error Monte Carlo modeling program“, IBM journal
research and development, vol. 40, no.1, pp. 109-118, 1996.
NAND 98 M. Nandakuman, A. Chatterjee, S. Sridhar, K. Joyner, M. Rodder and
I.C. Chan, “Shallow Trench Isolation for advanced ULSI CMOS
technologies“, Electron Device Meeting, 1998 IEDM’ 98 technical Digest.
NODA 97 K. Noda, K. Matsui, K. Inoue, T. Itani, H. Iwasaki, K. Urabe, H. Miyamoto,
K. Tokashiki, H. Kawanoto, M. Satoh, K. Yoshida, K. Kishimoto,
K. Kayanagi, and T. Tanigawa, “1 2.9 µm2 embedded SRAM cell with Co-
slicide direct-strap technology for 0.18 µm high performance CMOS logic”,
IEEE IEDM, 1997.
OBSE Observatoire de Paris, “Le cycle solaire”,
http://venus.obspm.fr/previ/articles/chap6tof.pdf .
OMER OMERE Software V3.4, www.trad.fr/OMERE-Software.html.
PALA 01 J.-M. Palu, G. Hubert, K. Coulie, B. Sagnes, M.-C. Calvet, and S. Fourtine,
“Device simulation study of the SEU sensitivity of SRAMs to internal ion
tracks generated by nuclear reactions”, IEEE Trans. Nucl. Sci., vol. 48, no. 2,
April 2011.
PATT 02 J. D. Patterson, and L. D. Edmonds, “Modeling the contribution of diffusion to
device-upset cross sections”, IEEE Trans. Nucl. Sci., Vol.49, No.6, Dec. 2002.
PERO 09 P. Peronnard, R. Velazco, G. Hubert, “Real-life SEU experiments on 90 nm
SRAMs in atmospheric environment: measures versus predictions done by
means of MUSCA SEP3”, IEEE Trans. Nucl. Sci., vol. 56, no. 6, pp. 3450-
3455, Dec. 2009.
PETE 83 E. L. Petersen, J. B. Langworthy and S. E. Diehl, “Suggested single event upset
figure of merit”, IEEE Trans. Nucl. Sci., Vol. 30, pp. 4533-4539, 1983.
PETE 92 E.L. Petersen, “Rate prediction for single event, a critique”, IEEE Trans. Nucl.
Sci., Vol. 39 pp. 1577-1599, 1992.
PETE 96 E.L. Petersen, “Approaches to proton single event rate calculations”, IEEE
Trans. Nucl. Sci., Vol. 43 pp. 496-504, 1996.
170
PETE 97 E.L. Petersen, “Single event analysis and prediction”, Nuclear and Space
Radiation Effects Conference, NSREC 97, Short Course, Section IIII, 1997.
PETI 06 S. Petit, “Etude des méthodes de prédiction de taux d’erreurs en orbite dans les
mémoires: nouvelle approche empirique”, Thèse, Ecole Nationale Supérieure
de l’Aéronautique et de l’Espace, Toulouse, 2006.
PICK 78 J.C. Pickel and J.T. Blandford, “Cosmic ray induced errors in MOS memory
cells,” IEEE Trans. Nucl. Sci., Vol. 25, pp. 1166-1171, 1978.
QARM Qinetiq Atmospheric Radiation Model [online]. Avaible:
http://geoshaft.space.qinetic.com/qarm/
QUIN 07 H. Quinn, K. Morgan, P. Graham, J. Krone, and M. Caffrey, « Static proton
and heavy ion testing of the Xilinx Virtix-5 device », IEEE Radiation Effect
Data Workshop, pp. 177-184, 2007.
RAIN 10 M. Raine, G. Hubert, M. Gaillardin, L. Artola, P. Paillet, S. Girard, J.-E.
Sauvestre, and A. Bournel, “Impact of the radial ionization profile on SEE
prediction for SOI transistors and SRAMs beyond the 32-nm technological
node,” IEEE Trans. Nucl. Sci., Vol. 58, No. 4, August 2011.
REED 06 R.A. Reed, R.A. Weller, R.D. Schrimpf, M.H. Mendenhall, K.M. Warren, and
L.W. Massengill, “Implications of nuclear reactions for single event effects test
methods and analysis”, IEEE Trans. Nucl. Sci., vol. 53, no. 6, Dec. 2006.
REED 07 R.A. Reed, R.A. Weller, M.H. Mendenhall, J.-M. Lauenstein, K.M. Warren,
J. A. Pellish, R.D. Schrimpf, B.D. Sierawski, L.W. Massengill, P.E. Dodd,
M. R. Shaneyfelf, J.A. Felix, J.R. Schrawank, N.F. Haddad, R.K. Lawrence,
J. H. Bowman, and R. Conde, “Impact of ion energy and species on single
event effects analysis”, IEEE Trans. Nucl. Sci., vol. 52, no. 6, Dec. 2007.
ROCH 99 Ph. Roche, J.M. Palau, G. Bruguier, C. Tavernier, R. Ecoffet, J. Gasiot,
“Determination of the key parameters for SEE occurrence using 3-D full cell
SRAM simulations”, IEEE Trans. Nucl. Sci., Vol. 46, No. 6, Dec. 1999.
ROCH 99 Ph. Roche, “Etude de l’alea logique (SEU) induit par une particule ionisante
dans des mémoires SRAM développées en technologies CMOS
submicroniques », Thèse, Université de Montpellier II, 1999
ROCH 06 Ph. Roche, J.M. Palau, K. Belhaddad, G. Bruguier, R. Ecoffet, and J. Gasiot,
“SEU Response of an entire SRAM cell simulated as one contiguous three
dimensional device domain.”, IEEE Trans. Nucl. Sci., Vol. 46, No 6, Dec.
2006.
171
ROSL 94 M. Rosling, H. Bleichner, P. Jonsson, and E. Nordlander, “The ambipolar
diffusion coefficient in silicon: Dependence on excess-carrier concentration
and temperature”, J. Appl. Phys., Vol. 76, no. 5, pp. 2855-2859, September
1994.
SIER 09 B.D. Sierawski, J.A. Pellish, R.A. Reed, R.D. Schrimpf, K.M. Warren,
R.A. Weller, M.H. Mendenhall, J.D. Black, A.D. Tipton, M.A. Xapsos,
R.C. Baumann, X. Deng, M.J. Campola, M.R. Friendlich, H.S. Kim,
A.M. Phan, and C.M. Seidleck, “Impact of low-energy proton induced upsets
on test methods and rate predictions,” IEEE Trans. Nucl. Sci., Vol. 56, No. 6,
pp. 3085-3092, Dec. 2009.
SIER 10 B.D. Sierawski, M.H. Mendenhall, R.A. Reed, M.A. Clemens, R.A. Weller,
R. D. Schrimpf, E.W. Blackmore, M. Trinczek, B. Hitti, J.A. Pellish,
R.C. Baumann, S.-J. Wen, R. Wong, and N. Tam, “Muon-induced Single
Event, Upsets in deep-submicron technology”, IEEE Trans. Nucl. Sci., vol. 57,
no.6, Dec. 2010.
SZE 07 S. Sze and K. K. Np, Physics of Semiconductor Devices, 3rd ed. New York:
Wiley Interscience, 2007.
TABE 93 A. Taber, E. Normand, “Single-event effects in avionics”, IEEE Trans. Nucl.
Sci., Vol. 40, No. 2, pp. 120-126, April 1993.
TANG 04 H.K. Tang, “SEMM-2: a modelling system for single event upset analysis”,
IEEE Trans. Nucl. Sci., Vol. 53, No. 6, pp. 2797-2804, Dec. 2006.
TRUY 07 D. Truyen, “Etude par simulation composant 3D des effets singuliers SEU et
SET induits par ions lourds sur le nœud technologique bulk 180nm », Thèse,
Université de Montpellier II, 2007.
TOUR 11 G. Touré, G. Hubert, K. Castellani-Coulié, S. Duzellier, and J.-M. Portal,
“Simulation of single and multi-node collection: impact on SEU occurrence in
nanometric SRAM cells”, IEEE Trans. Nucl. Sci., Vol. 58, No. 4, August 2011.
TORR 06 A. Torres, Communication privée, 2003.
TURO 10 M. Turowski, J.A. Pellish, K.A. Moen, A. Raman, J.D. Cressler, R.A. Reed,
and G. Niu, “Reconciling 3-D Mixed Mode simulations and measured single-
event transients in SiGe HGTs”, IEEE Trans. Nucl. Sci., vol. 57, no. 6, Dec.
2010.
UZNA 10 S. Uznanski, G. Gasiot, P. Roche, C. Tavernier, and J-L Autran, “Single event
upset and multiple cell upset modeling in commercial bulk 65-nm CMOS
172
SRAMs and Flip-Flops”, IEEE Trans. Nucl. Sci., vol. 57, no.4, pp. 1976-1883,
August 2010.
VAND 97 Paul Vande Voorde, “MOSFET scaling into the future”, Hewlett-Packart
Journal, Article 12, August 1997.
VIAL 98 C. Vial, J.M. Palau, J. Gasiot, M.C Calvet, S. Fourtine, “A new approach for
the prediction of neutron-inducted SEU rate”, IEEE Trans. Nucl. Sci., Vol. 40,
pp 2915-2920, Dec. 1998.
WARR 05 K.M. Warren, R.A. Weller, M.H. Mendenhall, R.A. Reed, D.R. Ball,
C.L. Howe, B.D. olson, M.L. Alles, L.W. Massengill, R.D. Schrimpf,
N.F. Haddad, S.E. Doyle, D. McMorrow, J.S. Melinger, and W.T. Lotshaw,
“The contribution of nuclear reactions to heavy ion single event upset cross-
section measurements in a high-density SEE hardened SRAM”, IEEE Trans.
Nucl. Sci., vol. 52, no. 6, Dec. 2005.
WARR 07 K.M. Warren, R.A. Weller, B.D. Sierawki, R.A. Reed, M.H. Mendenhall,
R.D. Schrimpf, L.W. Massengill, M.A. Porter, J.D. Wilkinson, K.A. Label and
J.H. Adams, “Application of RADSAFE to model the single event upset
response of 0.25µm CMOS SRAM”, IEEE Trans. Nucl. Sci, Vol. 54, No. 4,
Aug. 2007.
WARR 08 K.M. Warren, A.L. Sternberg, R.A. Weller, M.P. Baze, L.W. Massengill,
R.A. Reed, M.H. Mendenhall, and R.D. Schrimpf, “Integrating circuit level
simulation and Monte-Carlo radiation transport code for single event upset
analysis in SEU hardened circuitry”, IEEE Trans. Nucl. Sci., Vol. 55, No.6,
Dec. 2008.
WARR 10 K.M. Warren, “Sensitive volume models for single event upset analysis and
rate prediction for space, atmospheric and terrestrial radiation environments”,
PhD thesis, Vanderbilt University, August 2010.
WELL 09 R.A. Weller, R.A. Reed, K.M. Warren, M.H. Mendenhall, B.D. Sierawski,
R.D. Schrimpf, and L.W. Massengill, “General framework for single event
effects rate prediction in microelectronics”, IEEE Trans. Nucl. Sci., Vol. 56,
No. 6, pp. 3098-3108, Dec. 2009.
WROB 09 F. Wrobel, F. Saigné, M. Gedion, J. Gasiot, and R.D. Schrimpf, “Radioactive
nuclei induced soft errors at ground level,” IEEE Trans. Nucl. Sci., Vol. 56,
No. 6, pp. 3437-3441, Dec. 2009.
173
YANG 98 S. Yang, S. Ahmed, B. Arcot, R. Arghanvani, P. Bai, S. Chambers, P. Charvat,
R. Cotner, R. Gasser, T. Ghani, M. Hussein, C. Jan, C. Kardas, J. Maiz,
P. McGregor, B. McIntyre, P. Nuguyen, P. Packan, I. Post, S. Sivakumar,
J. Steigerwald, M. Taylor, B. Tufts, S. Tyagi, M. Bohr, “A high performance
180 nm generation logic technology”, International Electron Device Meeting,
IEDM Technical Digest., 1998.
ZHAO 07 W. Zhao and Y. Cao, “Predictive Technology Model for Nano-CMOS Design
Exploration” ACM Journal on Emerging Technologies in Computing Systems,
Vol. 3, No.1, Article1, April 2007.
ZIEG 03 J.F. Ziegler and J.P. Biersack, The Stopping and Range of Ions in Matter 2003.
www.srim.com
174
Liste des publications et communications
Publications dans des revues internationales à comité de lecture
• L. Artola, G. Hubert, K.M. Warren, M. Gaillardin, R.D. Schrimpf, R.A. Reed,
R.A. Weller, J.R. Albin, P. Paillet, M. Raine, S. Girard, S. Duzellier, L.W. Massengil,
and F. Bezerra, “SEU prediction from SET modeling using multi-node collection in
bulk transistors and SRAMs down to the 65 nm technology node” IEEE Trans.
Nucl. Sci., June 2011
• G. Hubert, S. Bourdarie, L. Artola, S. Duzellier, J.-F Roussel, “Multi-scale modeling
to investigate the single event effects for space missions” ELSEVIER Acta
Astronautica, 2011.
• M. Raine, G. Hubert, M. Gaillardin, L. Artola, P. Paillet, S. Girard, J.-E. Sauvestre,
A. Bournel, “Impact of the radial ionization profile on SEE prediction for SOI
transistors and SRAMs beyond the 32-nm technological node” IEEE Trans. Nucl.
Sci., June 2011.
• G. Hubert, S. Bourdarie, L. Artola, S. Duzellier, C. Boatella-Polo, F. Bezerra, “Impact
of solar flares on SER dynamics on micro and nanometric technologies” IEEE
Trans. Nucl. Sci., December 2010.
• L. Artola, G. Hubert, F. Bezerra, S. Duzellier, “Collected charge analysis for a new
transient model by TCAD simulation in 90nm technology” IEEE Trans. Nucl. Sci.,
August 2010.
175
Communications internationales avec actes et comité de lecture
• L. Artola, R. Velazco, G. Hubert, S. Duzellier, T. Nuns, F. Bezerra, B. Guerard,
P. Peronnard, W. Mansour, F. Pancher, “In flight SEU/MBU sensitivity of
commercial nanometric SRAMs: operational estimations” IEEE NSREC, Las Vegas,
USA, July 2011 (Session poster).
• G. Hubert, S. Bourdarie, L. Artola, S. Duzellier, J.-F Roussel, “Multi-scale modeling
to investigate the single event effects for space missions” International Astronautical
Congress, Prague, République Tchèque, Septembre 2010 (Présentation orale).
• M. Raine, G. Hubert, M. Gaillardin, L. Artola, P. Paillet, S. Girard, J.-E. Sauvestre,
A. Bournel, “Impact of the radial ionization profile on SEE prediction for SOI
transistors and SRAMs beyond the 32-nm technological node” IEEE RADECS,
Lagenfeld, Austria, September 2010 (Présentation orale).
• G. Hubert, S. Bourdarie, L. Artola, S. Duzellier, C. Boatella-Polo, F. Bezerra, “Impact
of solar flares on SER dynamics on micro and nanometric technologies” IEEE
NSREC, Denver, USA, July 2010 (Présentation orale).
• L. Artola, G. Hubert, F. Bezerra, S. Duzellier, “Collected charge analysis for a new
transient model by TCAD simulation in 90nm technology” IEEE RADECS, Bruges,
Belgium, September 2009 (Oral presentation).
Communications nationales
• L. Artola, G. Hubert, F. Bezerra, S. Duzellier, “Study and modeling of charge
collection mechanism dedicated to SEE prediction induced in natural space
environment on nanometric technology nodes” RADFAC, Bordeaux, France, Avril
2011 (Présentation orale).
176
• L. Artola, G. Hubert, F. Bezerra, S. Duzellier, “Modeling of the dynamic collected
charge by the ADDICT model in CMOS SRAMs for SEE prediction” RADFAC,
Montpellier, France, Mars 2010 (Présentation orale).
• L. Artola, G. Hubert, “ADDICT: the Advanced Dynamic DIffusion Collection
transient model for SEE prediction” RADPRED workshop, Toulouse, France, January
2010 (Session poster).
• L. Artola, G. Hubert, F. Bezerra, S. Duzellier, “Transport charge analysis for a new
advanced diffusion collection model by 3D TCAD simulation in simple structure”
RADFAC, Grenoble, France, Avril 2009 (Présentation orale).
177
Prix et contribution à la communauté radiation
• Prix doctorant de la Branche Physique, ONERA 2011 pour les travaux : “Mise en
place d’un outil Monte-Carlo dédié à la prédiction des SEE (Single Event Effects)
induits en environnement radiatif naturel pour les technologies fortement intégrées”.
• Prix de la meilleure communication orale, dans la session Radiophysique-
Application Bio-Instrumentation, Ecole doctorale GEET (Génie Electrique, Electronique
et Télécommunication), 17 mars 2011.
• Co-auteur du Best Outstanding Paper IEEE RADECS 2010, pour les travaux :
“Impact of the radial ionization profile on SEE prediction for SOI transistors and
SRAMs beyond the 32-nm technological node”, Septembre 2010.
• Membre du comité de lecture de la conférence IEEE RADECS 2011, pour la
session, “Basic Mechanisms of Radiation Effects in Electronic and Optical Materials”.