1. 课程导入与Sentaurus仿真流程概览

TCAD(Technology Computer-Aided Design)仿真的本质,是用数值方法求解半导体器件内部的一组耦合偏微分方程——泊松方程、载流子连续性方程和电流密度方程。Sentaurus Workbench 把这些方程交给器件求解器(Sentaurus Device,简称 sDevice)去迭代求解,而求解的第一步,就是把连续的物理区域离散成有限个网格节点。网格决定了"方程在哪里被求解",数值方法决定了"方程怎样被求解",两者共同决定了仿真能否收敛、结果是否可信。

很多初学者把注意力全部放在物理模型的选择上,却忽略了这样一个事实:绝大多数"仿真跑不起来"的问题,根源不在模型,而在网格与数值策略。一个掺杂梯度陡峭的 PN 结,如果网格在结附近过于稀疏,求解器会在几次牛顿迭代后报出"cannot converge";一个栅氧厚度只有 1.2 nm 的 MOS 结构,如果氧化层内没有足够的网格层数,电容特性会完全失真。理解网格与收敛的关系,是 TCAD 工程能力的分水岭。

网格与数值收敛在仿真流程中的定位

Sentaurus 的典型仿真流程可以概括为:结构定义(SDE/Sprocess)→ 网格划分(Mesh)→ 器件物理求解(sDevice)→ 结果可视化与分析(sVisual/Sentaurus Visual)。网格处在"几何结构"与"物理求解"之间的枢纽位置:它既是几何信息的载体,也是数值离散的载体。同一份器件结构,用不同的网格策略,可能得到收敛良好、结果稳定的仿真,也可能得到发散、震荡或结果严重偏离的仿真。

数值收敛则贯穿求解全过程。sDevice 默认使用牛顿法(Newton)求解非线性方程组,每一次牛顿迭代都要组装雅可比矩阵并求解线性系统。如果网格质量差、方程耦合强、初值远离解,牛顿迭代的残差就不会单调下降,最终触发"step too large"或"no convergence"而中止。因此,网格与收敛不是两个独立话题,而是同一件事的两面:好的网格让收敛变得容易,坏的网格让任何数值技巧都难以挽救。

Sentaurus 仿真流程中网格与收敛的定位 结构定义 SDE / Sprocess 网格划分 Mesh / Refinement 物理求解 sDevice Newton 结果分析 sVisual / 曲线 网格 = 几何载体 + 离散载体 决定方程在何处被求解 收敛 = 牛顿迭代残差下降 决定方程能否被求解 常见失败模式 网格过疏 结区梯度丢失 → 发散 网格过密 节点过多 → 内存/时间爆炸 长宽比过大 雅可比病态 → 震荡 初值/步长不当 残差不降 → 中止 共同特征:牛顿迭代残差无法单调下降,求解器报 "no convergence" 或 "step too large" 应对方向:先修网格质量,再调数值参数(步长、阻尼、外推)

常见失败模式与判断依据

在实际工程中,Sentaurus 的失败信息往往比较简短,需要结合日志和网格信息来判断根因。下面列出几类高频失败模式及其典型特征。

失败现象典型日志/表现优先排查方向
牛顿迭代不收敛残差在 1e-3 附近震荡,迭代次数达到上限结区/沟道网格是否足够细;是否缺少必要的掺杂平滑
步长被反复截断"step too large" 频繁出现,电压步进被压缩到极小初始步长设置、是否启用阻尼或外推
结果物理上不合理电流密度出现负值、电容曲线异常跳变氧化层网格层数、界面处网格对齐
求解时间过长单点仿真超过数十分钟,内存占用高全局网格是否过密,是否存在无意义的细网格区域

需要强调的是,网格问题往往表现为数值问题,数值问题又常常被误判为模型问题。例如,一个 MOSFET 的转移特性曲线在亚阈值区出现台阶状跳变,很多人第一反应是"隧穿模型没开对",但实际原因可能是沟道方向的网格间距过大,导致反型层电荷的积分精度不足。因此,建立"先看网格、再看数值、最后看模型"的排查顺序,是本课程要培养的核心习惯。

课程目标与学习路径

本课程围绕"网格策略"与"数值收敛工程"两条主线展开,目标是让学习者能够独立完成以下任务:根据器件结构和物理特性设计合理的网格分布;识别并修复常见的网格质量问题;配置 sDevice 的数值求解参数以获得稳定收敛;在收敛失败时快速定位根因并给出可执行的修正方案。

学习路径分为四个阶段。第一阶段建立基础认知,理解网格与离散化、牛顿法与收敛判据的基本原理,对应本课程前几章。第二阶段进入网格策略,学习 Sentaurus 中 Mesh 与 Refinement 的语法、掺杂梯度自适应、界面网格对齐、以及氧化层/异质结等特殊结构的网格处理。第三阶段聚焦数值收敛,包括步长控制、阻尼策略、外推方法、耦合求解与解耦求解的选择,以及收敛日志的解读。第四阶段是综合实战,通过 PN 结、MOSFET、功率器件等典型案例,把网格与收敛策略应用到完整仿真流程中。

学习本课程时,建议始终带着一个具体器件结构来练习。每学完一种网格策略或数值技巧,就在自己的结构上验证一次:修改网格后收敛迭代次数是否下降?结果曲线是否更平滑?只有把抽象策略落到具体结构上,知识才会真正转化为工程能力。

最后需要提醒的是,网格与收敛没有"万能参数"。同一个求解器设置,在 1.2 nm 栅氧的先进 MOS 上可能收敛良好,在 100 V 功率器件上却可能完全失效。本课程给出的所有参数、示例和判断阈值,都应理解为"起点"而非"终点",实际使用时必须结合具体器件的尺寸、掺杂和物理特性进行调整。