We study the performance of a hybrid Graphene-Boron Nitride {GNR-BN} armchair nanoribbon {a-GNR-BN} MOSFET at its ballistic transport limit. We consider three geometric configurations 3p, 3p+1 and 3p+2 of a-GNR-BN with BN atoms embedded on both sides {2, 4 and 6 BN on each side} on the GNR. The material properties like band gap, effective mass and density of states of these H-passivated structures have been evaluated using the Density Functional Theory {DFT}. Using these material parameters, self-consistent Poisson-Schrodinger simulations are carried out under the Non Equilibrium Greens Function {NEGF} formalism to calculate the ballistic MOSFET device characteristics. For a hybrid nanoribbon of width ~ 5 nm, the simulated ON current is found to be in the range 276 uA - 291 uA with an ON/OFF ratio 7.1 x 10^6 - 7.4 x 10^6 for a VDD = 0.68 V corresponds to 10 nm technology node. We further study the impact of randomly distributed Stone Wales {SW} defects in these hybrid structures and only 2.52% degradation of ON current is observed for SW defect density of 6.35%.


翻译:我们用弹道运输极限研究混合石英-波伦-尼特里特 {GNR-BN} 机械椅子纳米里宾 {a-GNR-BN} MOSFET的性能。我们考虑在GNR两侧嵌入的含有BN原子的GN-BN 3p、3p+1和3p+2 3P-GN-BN 和BN 3、3p+1 和3p+2 的三几何配置,以计算BN2、4和6 BNT 和GNR 的BNN 设备特性。对于宽度~ 5 nm的混合纳米肋骨来说,模拟的H-被动结构物质特性已经用密度功能功能理论{DFT}来评估。使用这些物质参数参数参数参数、自一致的Posoisson-Schrodingerger 3p 3p 3x 7.4x 10.5x 10°6的自我一致的绿色非平衡结构,我们观察到的VDSFET 0.6的SWSVSW 0.6的正值为0.6。

0
下载
关闭预览

相关内容

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
2018年中科院JCR分区发布!
材料科学与工程
3+阅读 · 2018年12月11日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Federated Learning for Mobile Keyboard Prediction
Arxiv
5+阅读 · 2018年11月8日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
相关资讯
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
2018年中科院JCR分区发布!
材料科学与工程
3+阅读 · 2018年12月11日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员