GaAs チュートリアル（パート C）：数値安定性とダイオードをフォトディテクタに変える方法

1. はじめに

このセクションでは、2D および 3D の drift–diffusion シミュレーションにおいて、なぜ数値安定性が中心的な問題になるのか、そしてなぜアーティファクトがしばしば 低電流領域で現れるのかを学びます。 これはソフトウェアのバグではなく、 非常に大きなダイナミックレンジにわたって強く結合した半導体輸送方程式を解くことの 基本的な帰結です。 この挙動を理解することは、JV 曲線、電流密度マップ、 および現実的な多次元デバイスモデルから得られるスナップショットを解釈するうえで不可欠です。

2. なぜ数値安定性が 2D と 3D でより重要になるのか

半導体の drift–diffusion シミュレーションでは、日常的に非常に大きなダイナミックレンジを扱います。 キャリア密度は、多数キャリア領域と少数キャリア領域の間で 10–20 桁以上異なる場合があります （たとえば、重度にドープされた n 型材料と少数正孔）。 これらのスケールが結合した非線形系 （Poisson 方程式と電子・正孔の連続方程式） に入ると、結果として得られる Jacobian は悪条件化する可能性があります。 実際には、これは小さな数値丸め誤差が可視的な アーティファクトへと増幅され得ることを意味し、とくに真の物理電流がゼロに近いときに顕著です。

ほとんどの drift–diffusion ソルバーは倍精度浮動小数点演算を使用します。 倍精度数は概ね53 ビットの仮数部を持ち、およそ 15–16 桁の 10 進精度に相当します。 これはほとんどの問題には十分ですが、無限ではありません。 方程式に何桁も異なる量が含まれる場合、 支配的な数値的制約となるのは、生の CPU 速度ではなく、 打ち消し、スケーリング、および行列条件数です。 1D では、自由度が少なく結合経路も少ないため、これらの問題はしばしばそれほど深刻ではありません。 2D および 3D では、追加の空間方向によって行列が大きくなり結合も強くなるため、 数値感度はより早く現れやすく、とくに低電流領域で顕著です。このセクションの残りでは、これらの数値効果が実際にどのように生じるのか、多次元シミュレーションでどのように現れるのか、そして 2D および 3D の結果を解析する際にそれらをどのように正しく解釈するかを学びます。

3. 照明を有効にする：ダイオードをフォトダイオードに変える

ここまで、GaAs デバイスは暗ダイオードとしてシミュレーションされてきました。 このセクションでは照明を有効にし、光学的にキャリアが 生成されたときにデバイスがどのように応答するかを観察します。 これにより、前のセクションの数値安定性の議論を 物理的に意味のあるライト JV 曲線へと結び付け、 実際にどこで低電流アーティファクトが現れやすいかを見ることができます。

照明を有効にするには、Optical リボン （??） に移動し、Light intensity (Suns) を 1.0 に設定します。 有効にすると、メインデバイスビューにはスタックの上に緑色の矢印が表示され、 入射光子を示します （??）。

シミュレーションを実行し、jv_contact0.csv（上部コンタクト）を開いてください。 得られる曲線は物理的に妥当な照明下 JV 特性に似たものになるはずですが、 低電流領域を拡大すると、小さな不規則性や 「でこぼこ」 （??） が見られることがよくあります。

この段階では 2 つの効果が重なっており、しかも互いを強め合っています。 第一に、真の物理電流がゼロに近いとき、先に議論した数値感度が 抽出された JV 曲線上で可視化されます。 第二に、この構造はまだ 最適化された太陽電池ではなくダイオードとして構成されているため、絶対光電流が比較的小さいことです。 この低光電流によって動作点はより深くゼロ近傍電流領域へ押し込まれ、 その結果、数値アーティファクトの見えやすさがさらに増します。

4. 空間電流密度スナップショットを用いた数値ノイズの診断

ライト JV 曲線に見られる小さな不規則性の起源を理解するには、 ソルバーが内部で何をしているのかを確認することが有用です。 これは、シミュレーションステップ（通常は印加バイアス） の関数として空間分解された量を格納する snapshots/ 出力を用いて行えます。 このセクションでは、Jn.csv、 すなわち鉛直方向の電子電流密度に注目します。

snapshots/ ディレクトリを開き、Jn.csv をプロットしてください。 低バイアスおよびより高い印加バイアスに対応する ?? および ?? に類似したプロットが得られるはずです。

低バイアス（スライダーの左側）では、電流の絶対値は非常に小さくなります。 この領域では、電流密度プロットは空間的に不規則に見えることがあります。 すなわち、物理的にゼロに近い量を計算することが 数値的にどれほど難しいかが見えているのです。 バイアスが増加して電流が明確に非ゼロになると、 Jn.csv の空間分布はより滑らかで、より物理的に直感的なものになります。 このような非常に低い電流における小さな空間的不規則性は、抽出される JV 曲線へ直接反映されるため、 JV の低電流領域がわずかに「でこぼこ」して見える理由となります。

これらのアーティファクトの見えやすさを低減する実用的な方法のひとつは、 電流をどこで評価するかを変更することです。 コンタクトのごく近傍で評価された電流は、 デバイス内部で評価された電流よりも数値ノイズに敏感になりやすい傾向があります。 このチュートリアルでは、電流はすでにデバイスの中点で評価されており、 この設定は Electrical リボンの Drift diffusion → Solver configuration メニューにあります。 中点で電流を評価することで境界効果への感度が低下し、通常、 低電流領域でよりきれいな JV 曲線が得られます。

5. 低い光電流を修正する：厚い金属越しに照射しない

ここまでで得られた光電流が、通常 GaAs デバイスに期待されるよりも低いことに気づいたかもしれません。 この例では、その挙動は大部分が意図的なものです。 この構造はもともと最適化されたフォトダイオードや太陽電池ではなく、ダイオードとして設計されており、 上部のアルミニウムコンタクトが十分に厚いため、入射光を強く反射・吸収します。 つまり、このシミュレーションでは事実上「金属越しに照射している」ことになります。

これを修正するには、Layer editor （??） を開き、アルミニウム（Al）上部コンタクトの厚さを 100 nm から 10 nm へ減らしてください。 その後、シミュレーションを再実行し、照明下 JV 曲線を再び開きます。

これで、かなり大きな光電流と、はるかに滑らかな低電流領域が観測されるはずです。 この改善は数値手法を変更したことによるものではなく、 真の物理信号を増加させたことによるものです。 デバイスをゼロ近傍電流領域から遠ざけることで、数値フロアは事実上 見えなくなり、以前見えていたアーティファクトも消えます。

6. まとめと重要なポイント

この 3 部構成のチュートリアル全体を通して、次元性、数値安定性、 および物理構成が drift–diffusion シミュレーションにおいてどのように相互作用するかを調べてきました：

• パート A では、意図的な鉛直欠陥を含む完全な 3D GaAs ダイオードを実行し、 電流集中を可視化し、snapshots/ を用いて内部変数を確認しました。
• パート B では、欠陥を除去し、構造が横方向に一様になると、 3D、2D、および 1D シミュレーションが同じ電気的結果を与えることを示しました — 一方で実行時間は桁違いに変化しました。
• パート C では、照明を有効にしてフォトデバイスを作り、空間電流密度プロットを使って 数値感度を診断し、低い光電流がどのように可視アーティファクトを増幅するかを示しました。