An Introduction to Kinetic Monte Carlo Methods for Nano-scale Diffusion Process Modeling

나노 스케일 확산 공정 모사를 위한 동력학적 몬테칼로 소개

  • Published : 2004.06.30

Abstract

In this paper, we introduce kinetic Monte Carlo (kMC) methods for simulating diffusion process in nano-scale device fabrication. At first, we review kMC theory and backgrounds and give a simple point defect diffusion process modeling in thermal annealing after ion (electron) implantation into Si crystalline substrate to help understand kinetic Monte Carlo methods. kMC is a kind of Monte Carlo but can simulate time evolution of diffusion process through Poisson probabilistic process. In kMC diffusion process, instead of. solving differential reaction-diffusion equations via conventional finite difference or element methods, it is based on a series of chemical reaction (between atoms and/or defects) or diffusion events according to event rates of all possible events. Every event has its own event rate and time evolution of semiconductor diffusion process is directly simulated. Those event rates can be derived either directly from molecular dynamics (MD) or first-principles (ab-initio) calculations, or from experimental data.

본 논문에서는 나노 스케일 확산 공정 모사를 위한 방법으로 동력학적 몬테칼로(kinetic Monte Carlo)를 소개하고자 한다. 먼저 동력학적 몬테칼로의 이론과 배경을 살펴보고 실제적인 이해를 돕기 위하여 실리콘 기판에 이온(전자) 주입 후 열처리과정에서 일어나는 점결함의 확산을 동력학적 몬테칼로를 이용하여 모사하는 간단한 예를 보여주고 있다. 동력학적 몬테칼로는 몬테칼로의 일종이지만 기존의 몬테칼로에서 구현하지 못하였던 물리적인 시간을 포아송 확률 과정을 통하여 구현하였다. 동력학적 몬테칼로 확산 공정 모사에서는 연속 확산 미분 방정식의 해를 구하는 기존의 유한 요소 수치 해석적 방법과 달리원자 상호간 혹은 원자와 결함 또는 결함들 간의 화학적 반응과 입자들의 확산 과정을 포아송 확률 과정에 따라 일어나는 화학적 반응, 입자들의 확산 사건의 연속으로 본다. 사건마다 고유의 사건 발생 확률을 갖고 이 사건 발생 확률에 따라 일어나는 확률적 사건의 연속적 발생으로 실제의 반도체 확산 공정을 시간에 따라 직접적으로 모사할 수 있다. 입자들 간의 화학적 반응 사건 확률과 입자들의 확산 공정에 필요한 확률적 인자들은 분자 동역학, 양자 역학적 계산, 흑은 실험으로 얻어진다.

Keywords

References

  1. M. P. Allen and D. J. Tildesley, 'Computer simulation of liquids', Clarendon Press, 1987
  2. K. Refson, 'Moldy: a portable molecular dynamics simulation program for serial and parallel computers', Comput. Phys. Commun., Vol. 126, pp.310-329, 2000 https://doi.org/10.1016/S0010-4655(99)00496-8
  3. A. F. Voter, F. Montalenti and T. C. Germann, 'Extending the time scale in atomistic simulation of materials', Annu. Rev. Mater. Res., Vol. 32, pp.321-346, 2002 https://doi.org/10.1146/annurev.matsci.32.112601.141541
  4. K. A. Fichthorn and W. H. Wienberg, 'Theoretical foundations of dynamical Monte Carlo simulations', J. Chem. Phys.., Vol. 95(2), pp. 1090-1096, July 1991 https://doi.org/10.1063/1.461138
  5. J. L. Blue, I. Beichl and F. Sullivan, 'Faster Monte Carlo simulations', Phys. Rev. E, Vol. 51(2), ppR867-R868, Feb. 1995 https://doi.org/10.1103/PhysRevE.51.R867
  6. D. Johnson's notes in web : simulation methods in atomic-scale physics, http://www.acclab.helsinki.fi/~knordlun/mc/
  7. M Jaraiz, G. H. Gilmer, J. M. Poate and T. D. de la Rubia, 'Atomistic calculations of ion implantation in Si: point defect and transient enhanced diffusion phenomena', Appl. Phys. Lett., Vol. 68(3), pp409-411, Jan. 1996 https://doi.org/10.1063/1.116701
  8. L. Pelaz, L. A. Marques, G. H. Gilmer, M. Jaraiz and J. Barbolla, 'Atomistic modeling of the effects of dose and implant temperature on dopant diffusion and amorphization in Si', Nucl. Instr. and Beth. B, Vol, 180, pp12-16, 2001 https://doi.org/10.1016/S0168-583X(01)00390-1
  9. M. J. Caturla, 'Toward a predictive atomistic model of ion implantation and dopant diffusion in silicon', Comput Mater. Sci., Vol. 12, pp.310-332, 1998 https://doi.org/10.1016/S0927-0256(98)00024-X