Lumerical CMOS图像传感器宽带模拟详解

01 说明

本例介绍了CMOS传感器仿真工作流，其中包括三维宽带光学和电学仿真，与前面的案例（Lumerical 针对 CMOS image sensor 仿真中的角度响应）相比，提供了一个更真实和通用的演示。本例考虑了入射光的方位角和极化角，必要时可以提取EQE用于SPEOS中进一步模拟。

02 综述

CMOS图像传感器是基于光电转换，从光吸收开始，通过载流子生成，最后收集电子进行信号分析。在本例中，CMOS传感器的一些关键性能指标被计算为入射角和波长的函数，例如内部量子效率(IQE)和外部量子效率(EQE)。

整个工作流被分解为六个独立的Lumerical脚本，由驱动程序CMOS_workflow.lsf脚本按顺序调用。整个流程由json配置文件中的参数控制，例如波长和入射角等，配置文件中的“flag”参数允许用户运行特定的仿真或分析。关于配置文件参数的详细信息可以在原文链接中的Important model settings部分中找到。

该工作流将生成多个仿真，因此建议在“Associated files”下检查来自先前运行的仿真的数据，本例中将着重阐述关键结果。

步骤1：光学仿真（计算光学效率和光生载流子生成速率）

在这一步中，计算了光学效率(OE)和光生载流子生成速率（Charge carrier generation rates）作为入射角(包括极角θ和方位角φ)、偏振和波长的函数，被分别保存在不同的mat文件当中，这两个结果均通过宽带FDTD模拟计算，使用具有Bloch界条件的平面光源，并对光源的角度和偏振进行扫描。

从图1中可以看到，OE数据是按照入射角(θ和φ)、波长和偏振保存，其中phi_quad表示第一象限的角度，即φ从0°到90°（因为假设四重对称），并将这里的结果映射到EQE计算中的其他三个象限。

归一化载流子生成速率采用空间坐标、入射角和波长的格式保存。0.4um波长的光学仿真和分析后获得的数据示例如图2所示。

如预期，对于垂直入射的蓝光(400纳米)，电荷生成主要限制在Bayer cell的像素B中。对于斜入射，由于光学串扰相邻像素产生的电荷比例会增加，如图3所示。

步骤2：电学仿真(权重函数)

采用三维电学仿真对Bayer cell进行了仿真，这一步的目的是求取权重函数，即生成载流子在给定像素的n阱中被收集的空间概率。只需要运行一次电学模拟，因为结果与入射光的参数(即波长、注入角度和偏振)无关。假设RGB像素具有相同的掺杂分布以及电极布局，只需要计算一个像素的n阱的权重函数并将结果映射到Bayer cell的四个像素。

可以根据空间坐标和子像素(Bayer cell的特定像素)将权重函数可视化，子像素1、2、3和4的值分别对应“G1”、“B”、“R”和“G2”像素，如图4。

图5为G1的权重函数，显示了由于G1相邻像素的非零值而产生的潜在串扰效应，G1左右两侧的B像素有一定的电荷收集概率，特别是左边的像素。图5左图右边缘的颜色是由于光学仿真中使用的Bayer cell的权重函数的叠加，可以通过利用系统的周期性将B像素移到G1像素的左边来理解。位于G1像素左侧的B像素贡献较大的主要原因是掺杂分布在像素中心周围不对称(例如n阱偏心)。显然，这是一个重要的设计考虑因素。

步骤3：计算内部和外部量子效率(IQE和EQE)

根据步骤2的结果可以得到IQE作为入射角、偏振和波长的函数，通过IQE乘以OE来计算EQE，IQE和EQE结果都是入射角、波长和像素的函数，下图为四个像素在对应波长的EQE对应于彩色滤光片材料的吸收峰。与其他像素相比，蓝色像素的整体EQE较高，主要是由于在较短波长下硅的吸收系数较高。蓝光产生的电荷浓度比绿光和红光产生的电荷浓度更高，且更靠近硅表面，从而在n阱中产生更高的收集概率。

导出的EQE数据可以作为CMOS成像传感器的表征参数导入到SPEOS中，通过SPEOS可与CMOS图像相机系统的宏观光学元件积分。

翻译：梅肯斯姆-李星