Publication

Modeling Channel Thermal Noise and Induced Gate Noise in Junctionless FETs

Jean-Michel Sallese, Farzan Jazaeri
2015
Journal Articles

Résumé

This paper presents analytical expressions for channel noise, induced gate noise (IGN), and cross-correlation noise in a long-channel junctionless (JL) double-gate MOSFET. The analytical relationships, which have been derived from a coherent charge-based model, are validated with technology computer-aided design simulations, and the figures of merit have been compared with the inversion mode FETs. For a given current, we found that the channel thermal noise is very similar for both architectures, whereas the IGN is slightly decreased in the JL FETs.

Source officielle

https://infoscience.epfl.ch/entities/publication/5a07427c-aa32-4cc3-be41-d4b6dd1fa3ff

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Jean-Michel Sallese, Farzan Jazaeri
2015
Journal Articles

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/5a07427c-aa32-4cc3-be41-d4b6dd1fa3ff

À propos de ce résultat

Concepts associés (16)

Transistor à effet de champ

Un transistor à effet de champ (en anglais, Field-effect transistor ou FET) est un dispositif semi-conducteur de la famille des transistors. Sa particularité est d'utiliser un champ électrique pour contrôler la forme et donc la conductivité d'un « canal » dans un matériau semiconducteur. Il concurrence le transistor bipolaire dans de nombreux domaines d'applications, tels que l'électronique numérique. Le premier brevet sur le transistor à effet de champ a été déposé en 1925 par Julius E. Lilienfeld.

Bruit de mesure

En métrologie, le bruit de mesure est l'ensemble des signaux parasites qui se superposent au signal que l'on cherche à obtenir au moyen d'une mesure d'un phénomène physique. Ces signaux sont une gêne pour la compréhension de l'information que le signal transporte. La métrologie vise donc notamment à connaître leurs origines et à les caractériser, afin de les éliminer et d'obtenir le signal d'origine aussi distinctement que possible. La source du bruit d'origine externe est externe au système physique générant le signal utile et agit par influence sur celui-ci.

Bruit additif blanc gaussien

Le bruit additif blanc gaussien est un modèle élémentaire de bruit utilisé en théorie de l'information pour imiter de nombreux processus aléatoires qui se produisent dans la nature. Les adjectifs indiquent qu'il est : additif il s'ajoute au bruit intrinsèque du système d'information ; blanc sa puissance est uniforme sur toute la largeur de bande de fréquences du système, par opposition avec un bruit coloré qui privilégie une bande de fréquences par analogie avec une lumière colorée dans le spectre visible ; gaussien il a une distribution normale dans le domaine temporel avec une moyenne nulle (voir bruit gaussien).

Afficher plus

Publications associées (31)

Hitting with Probability One for Stochastic Heat Equations with Additive Noise

Robert Dalang, Fei Pu

We study the hitting probabilities of the solution to a system of d stochastic heat equations with additive noise subject to Dirichlet boundary conditions. We show that for any bounded Borel set with positive (d-6)\documentclass[12pt]{minimal} \usepackage{ ...

Springer/Plenum Publishers2024

Global existence for perturbations of the 2D stochastic Navier-Stokes equations with space-time white noise

Martin Hairer

We prove global in time well-posedness for perturbations of the 2D stochastic Navier-Stokes equations partial derivative( t)u + u center dot del u = Delta u - del p + sigma + xi, u(0, center dot ) = u(0),div (u) = 0, driven by additive space-time white noi ...

Springernature2024

Exploiting the Signal-Leak Bias in Diffusion Models

Sabine Süsstrunk, Radhakrishna Achanta, Mahmut Sami Arpa, Athanasios Fitsios, Martin Nicolas Everaert

There is a bias in the inference pipeline of most diffusion models. This bias arises from a signal leak whose distribution deviates from the noise distribution, creating a discrepancy between training and inference processes. We demonstrate that this signa ...

2024

Afficher plus