نمایش چکیده انگلیسی

تحلیل تطبیقی فناوری‌های نانومقیاس نوظهور در طراحی مدارهای دیجیتال کم‌مصرف

الهام صادقی1 حامد فربه2

چکیده :
چکیده کاهش ابعاد ترانزیستورهای مبتنی بر فناوری CMOS طی چند دهه گذشته نقش مهمی در افزایش تراکم و بهبود عملکرد مدارهای مجتمع داشته است. با این حال، ادامه کاهش مقیاس‌ CMOS در ابعاد نانومتری با چالش‌هایی نظیر تشدید اثرات کانال کوتاه، افزایش جریان‌های نشتی، محدودیت کاهش ولتاژ تغذیه و پیچیدگی‌های ساخت همراه شده است. ازاین‌رو، فناوری‌های نانومقیاس نوظهور به‌عنوان گزینه‌هایی مکمل یا جایگزین برای توسعه مدارهای دیجیتال کم‌مصرف مورد توجه قرار گرفته‌اند. در این مقاله، چهار فناوری شامل ترانزیستور تک‌الکترونی (SET)، ترانزیستور FinFET، ترانزیستور اثر میدان مبتنی بر نانولوله کربنی (CNTFET) و ترانزیستور اثر میدان تونلی (TFET) به‌صورت تطبیقی بررسی می‌شوند. معیارهای ارزیابی شامل توان مصرفی استاتیک و دینامیک، تأخیر انتشار، انرژی مصرفی، حاصل‌ضرب توان-تأخیر (PDP)، حاصل‌ضرب انرژی-تأخیر (EDP)، ولتاژ تغذیه، مقیاس‌پذیری، تغییرپذیری و میزان توسعه‌یافتگی فناوری است. بررسی مطالعات پیشین نشان می‌دهد که هیچ‌یک از فناوری‌های مورد بررسی در تمامی معیارها برتری مطلق ندارند. FinFET به دلیل کنترل الکترواستاتیکی مناسب، قابلیت ساخت و سازگاری بیشتر با زیرساخت‌های CMOS مزیت قابل توجهی دارد. CNTFET به دلیل ویژگی‌های مطلوب انتقال حامل و ماهیت شبه‌یک‌بعدی کانال انتقال، پتانسیل بالایی برای استفاده در مدارهای دیجیتال نسل آینده دارد. TFET با بهره‌گیری از مکانیزم تونل‌زنی باند به باند، گزینه‌ای جذاب برای کاربردهای با ولتاژ تغذیه بسیار پایین و محدودیت انرژی است. بااین‌حال، پایین بودن جریان حالت روشن (ION) در برخی ساختارها و شرایط کاری می‌تواند موجب افزایش تأخیر و ایجاد مصالحه میان سرعت و مصرف انرژی شود. SET نیز به دلیل امکان کنترل انتقال بار در مقیاس تک‌الکترونی و پتانسیل دستیابی به انرژی سوئیچینگ پایین، برای کاربردهای تخصصی فوق‌کم‌مصرف مورد توجه قرار گرفته است. اما، حساسیت عملکرد SET به تغییرات پارامترهای فیزیکی و دشواری یکپارچه‌سازی آن با فرآیندهای متداول ساخت مدارهای مجتمع، از چالش‌های مهم این فناوری محسوب می‌شوند و مانع استفاده گسترده از آن شده است. در نهایت، نتایج نشان می‌دهد که انتخاب فناوری مناسب باید بر اساس مجموعه‌ای از معیارها و متناسب با نیازهای هر کاربرد انجام شود. همچنین، بهره‌گیری از معماری‌های هیبریدی می‌تواند یکی از مسیرهای مهم برای توسعه مدارهای دیجیتال نسل آینده باشد

کلمات کلیدی : مدارهای دیجیتال کم‌مصرف فناوری نانومقیاس set finfet cntfet tfet هم‌طراحی دستگاه و مدار فناوری‌های فراتر از cmos


زبان مقاله : فارسی
محور مقاله : مهندسی سخت افزار، الکترونیک و رباتیک
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ACZZAH
لینک مستقیم مقاله : https://isnac.ir/AAHD-ACZZAH
نمایش چکیده انگلیسی : https://isnac.ir/SA/AAHD-ACZZAH

سایر مقالات محل انتشار
  1. A Study on Design Understandability and Interaction of the therapy-specific Robots
  2. طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتی‌ژن
  3. طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
  4. یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکه‌های خودرویی شهرهای هوشمند با استفاده از داده‌های ترافیکی شبکه سلولی
  5. An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
  6. تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکه‌های عصبی
  7. Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
  8. ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
  9. کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
  10. Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
  11. Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
  12. تحلیل آینده‌پژوهانه هم‌گرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
  13. نقش تحول دیجیتال در خدمات کتابخانه‌های عمومی برای توان‌یابان جسمی و ذهنی
  14. Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
  15. Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems