1、半導體器件仿真是器件設計中影響成品率和成本的至關重要的環(huán)節(jié)。而目前常用的仿真方法和仿真軟件存在仿真時間較長、所需計算機內存較大的缺點，特別是在求解高維且強非線性的方程組時，很難獲得其準確數值解。為此，引入進化計算方法，采用再現群智能的粒子群優(yōu)化算法（PSO）進行器件仿真，為器件仿真技術另辟蹊徑。本論文的主要工作如下： （1）器件仿真中常用方法分析。 在描述器件仿真的物理及數學基礎上，歸納總結了半導體器件仿真中需要求解高維

2、且強非線性的方程組的傳統(tǒng)計算方法，闡述了經離散化處理得到的線性方程組在系數矩陣為大型稀疏矩陣且病態(tài)時出現求解困難的情況，分析了常用的數值解法如高斯消去法、牛頓迭代法等對方程進行求解的優(yōu)缺點；在考慮邊界條件的基礎上將半導體器件方程進行離散化、線性化，得到矩陣方程，以便于進一步求解。 （2）提出了基于文化粒子群優(yōu)化算法（CPSO）的器件仿真方法。 在PSO 算法基礎上，將文化算法（Cultural Algorithm）融入其

3、中，即利用文化算法的知識空間約束使得粒子在固定的優(yōu)秀空間中進行尋優(yōu)，這樣可以減少搜索時間、加快收斂速度，同時還能避免陷入局部最優(yōu)，典例分析表明CPSO 算法遠優(yōu)于基本PSO 算法。 （3）基于CPSO 算法的半導體器件仿真。 先采用有限差分法對半導體器件的偏微分方程組進行離散化、線性化處理，即轉化成為一個大型稀疏矩陣方程；然后采用CPSO算法進行迭代求解。通過對緩變PN 結的仿真，結果表明CPSO 算法優(yōu)越于牛頓迭代法和