\chapter{Grundlagen}
- \section{Monte Carlo Simulation}
+ \section{Monte-Carlo-Simulation}
- \section{Ionenimplantation}
+ Monte-Carlo-Simulationen sind Computer-Experimente zur Untersuchung interessierender Sachverhalte, die auf stochastischen Simulationsalgorithemn basieren.
+ Dabei werden vom Computer generierte Pseudozufallszahlen auf physikalische Gr"o"sen abgebildet.
+ Den Ausgangspunkt bilden dabei sogenannte Standard-Pseudozufallszahlen, die auf einem vorgegebenen Intervall gleichverteilt sind.
+ Hiervon ausgehend k"onnen beliebige Verteilungen durch Transformationen und Verwerfungsmethoden erzeugt werden.
+
+ \subsection{Erzeugung gleichverteilter Pseudozufallszahlen}
+
+ Die h"aufigste Methode zur Erzeugung von Zufallszahlen ist die lineare Kongruenzmethode, welche eine Sequenz von ganzen Zahlen $I_1, I_2, I_3,$ \ldots aus dem Intervall $I = [0,m-1]$ generiert.
+ Dabei gilt folgende Vorschrift:
+ \begin{equation} \label{eq:kon_m}
+ I_{j+1} = ( a I_{j} + c ) \, mod \, m
+ \end{equation}
+ \[ m: \textrm{Modulus, } a: \textrm{Multiplikator, } c: \textrm{Inkrement, } I_0: \textrm{Startwert} \]
+ Die Zufallszahlen k"onnen sich mit einer Periode, die offensichtlich nicht gr"o"ser als $m$ ist, wiederholen.
+ Die Qualit"at der Zufallszahlen h"angt dabei sehr stark von der Wahl der Konstanten $a, c, m, I_0$ ab.
+ Leider gibt es keine einfache mathematische Methode zur Ermittlung optimaler Konstanten.
+ Nach Park und Miller \cite{park_miller} erf"ullt man mit
+ \begin{equation} \label{eq:kon_v}
+ a = 7^5 = 16807, \quad m = 2^{31} - 1 = 2147483647, \quad c = 0
+ \end{equation}
+ einen minimalen Standard was die Qulit"at der Zufallszahlen angeht.
+ Diese Wahl der Konstanten wird in vielen Zufallsfunktionen der Standardbibliotheken verwendet.
+
+ \subsection{Transformation auf spezielle Zufallsverteilungen}
+
+ Die mit \eqref{eq:kon_m} und \eqref{eq:kon_v} erzeugten Pseudozufallszahlen $I_j$ sind gleichverteilt im Intervall $[0,m-1]$.
+ Durch Division der Zufallszahlen mit dem Modulus $m$ erh"alt man gleichverteilte Zufallszahlen $x_j$ im Intervall $[0,1[$, so dass die Wahrscheinlichkeit eine Zahl zwischen $x$ und $x + dx$ zu erhalten durch
+ \begin{equation}
+ p(x)dx = \left\{
+ \begin{array}{ll}
+ dx & 0 \leq x < 1 \\
+ 0 & \textrm{sonst}
+ \end{array} \right.
+ \end{equation}
+ gegeben ist. Ausserdem ist die Wahrscheinlichkeitsverteilung normiert.
+ \begin{equation}
+ \int_{- \infty}^{+ \infty}p(x)dx = \int_{0}^{1}p(x)dx = 1
+ \end{equation}
+ Diese dienen als Basis f"ur beliebige Verteilungen.
+ Einige in dieser Arbeit ben"otigte Transformationen sollen im Folgenden diskutiert werden.
+
+ \subsubsection{Zufallszahlen mit gleichverteilter Wahrscheinlichkeit}
+
+ Gleichverteilte Zufallszahlen $z_j$ in einem Intervall $[0,M[$ erh"alt man denkbar einfach durch skalieren der $x_j$ mit $M$.
+ \begin{equation}
+ z_j = M x_j = M \frac{I_j}{m}
+ \end{equation}
+
+ \subsubsection{Zufallszahlen mit linear steigender Wahrscheinlichkeit}
+
+ Zufallszahlen deren Wahrscheinlichkeit mit ihrem Wert im Intervall $[0,Z[$ linear ansteigen
+ \begin{equation}
+ p(z) = \left\{
+ \begin{array}{ll}
+ az + b & 0 \leq z < Z \\
+ 0 & \textrm{sonst}
+ \end{array} \right.
+ \end{equation}
+ realisiert man durch folgende Transformation:
+ \begin{eqnarray}
+ p(z)dz & = & p(x)dx \nonumber \\
+ \frac{dx}{dz} & = & p(z) \nonumber \\
+ x & = & \int_{- \infty}^z p(z')dz' = \int_0^z (az' + b) dz' = \frac{1}{2} az^2 + bz \label{eq:trafo}
+ \end{eqnarray}
+ Durch Aufl"osen von \eqref{eq:trafo} nach $z$ und Ausschluss der negativen L"osung erh"alt man:
+ \begin{equation}
+ z = \frac{-b + \sqrt{b^2 + 2 a x}}{a} \quad \textrm{.}
+ \end{equation}
+ So erh"alt man Zufallszahlen $z_j$ im Intervall $[0,1[$ durch $x_j \in [0,b+\frac{a}{2}[$.
+ Sollen Zufallszahlen im Intervall $[0,Z[$ liegen, m"ussen sie durch
+ \begin{equation}
+ z_j = Z \frac{-b + \sqrt{b^2 + 2 a (b+\frac{a}{2}) \frac{I_j}{m}}}{a}
+ \end{equation}
+ berechnet werden.
+
+ \subsubsection{Verwerfungsmethode zur Erzeugung beliebiger Verteilungen}
+
+ Mit Hilfe der Verwerfungsmethode k"onnen Zufallszahlen mit beliebiger Wahrscheinlichkeitsverteilung $p(x)$ generiert werden.
+ Sie basiert auf einer einfachen geometrischen "Uberlegung.
+ Die Verteilung $p(x)$ sei im Intervall $[a,b]$ mit $p(x) \geq 0 \quad \forall x \in [a,b]$ gegeben.
+ Das Maximum von $p(x)$ sei $p_m$.
+ Die Erzeugung der Zufallszahlen funktioniert nun wie folgt:
+ \begin{enumerate}
+ \item Ausw"urfeln zweier gleichverteilter Zufallszahlen $x \in [a,b]$ und $y \in [0,p_m]$.
+ \item Ist $y \leq p(x)$, so ist $x$ die n"achste Zufallszahl, ansonsten zur"uck zu 1.
+ \end{enumerate}
+ \begin{figure}[h]
+ \includegraphics[width=10cm]{rej_meth.eps}
+ \caption{Beliebige Wahrscheinlichkeitsverteilung $p(x)$ im Intervall $[a,b]$ mit Maximum $p_m$}
+ \label{img:rej_meth}
+ \end{figure}
+ Diese Methode ist zwar sehr einfach, jedoch wird sie um so ineffizienter, je groesser die Fl"ache der Vergleichsfunktion (hier: $f(x) = p_m$) im Vergleich zu $p(x)$ zwischen $a$ und $b$ wird.
+ Deshalb macht es Sinn die Funktion $f(x)$ "ahnlich der Funktion $p(x)$ mit $f(x) \geq p(x); \, x \in [a,b]$ zu w"ahlen.
+ Das unbestimmte Integral $F(x) = \int f(x) dx$ muss dabei bekannt und invertierbar sein.
+ Dann kann wie in \eqref{eq:trafo} die Transformation durchgef"uhrt werden.
+ Die Werte f"ur $x$ werden nun nach der Transformationsmethode im Intervall $[a,b]$ gew"ahlt, die Werte f"ur $y$ m"ussen gleichverteilt im Intervall $[0,f(x)]$ sein.
+
+ \section{Ion-Festk"orper Wechselwirkung}
+
+ Zur theoretischen Beschreibung der Ionenimplantation mu"s die Wechselwirkung der Ionen mit dem Target betrachtet werden.
+ Durch St"o"se mit den Kernen und Elektronen des Targets werden die Ionen im Festk"orper abgebremst, ein entsprechendes Implantationsprofil stellt sich ein.
+ Weitere Folgen sind die durch Bestrahlung im Kristallgitter entstehenden Sch"aden.
+ Im Folgenden wird darauf genauer eingegangen.
\subsection{Abbremsung von Ionen}
+ Die Abbremsung der Ionen im Festk"orper kommt haupts"achlich durch inelastische Wechselwirkung mit den Targetelektronen und elastischer Wechselwirkung mit den Atomkernen des Targets zustande.
+ Diese sind unabh"angig voneinander.
+ Die elastische Streuung an freien Elektronen sowie die inelastische Streuung an den Atomkernen k"onnen vernachl"assigt werden.
+ Ebenfalls vernachl"assigt werden Brems- und Cerenkovstrahlung.
+
\subsubsection{Bremsquerschnitt}
+ Um die Abbremsung der Ionen durch elektronische und nukleare Streuung zu beschreiben, definiert man den sogenannten Bremsquerschnitt.
+ \begin{equation}
+ S_{e,n} = - \frac{1}{N} \Big( \frac{\partial E}{\partial x} \Big)_{e,n}
+ \end{equation}
+ Dieser ist proportional zur Bremskraft $\frac{\partial E}{\partial x}$, welche angibt, wieviel Energie $E$ des Ions pro zur"uckgelegter Wegl"ange $x$ abgegeben wird.
+ $N$ ist die atomare Dichte des Festk"orpers.
+ Zerlegt man nun die Energieverlustrate in einen nuklearen und einen elektronischen Anteil so erh"alt man f"ur den Energieverlust pro Wegl"ange:
+ \begin{equation}
+ - \frac{\partial E}{\partial x} = N \Big( S_e(E) + S_n(E) \Big) \quad \textrm{.}
+ \end{equation}
+ Durch Kehrwertbildung und Integration "uber die Energie erh"alt man die mittlere Reichweite $R$ des Ions.
+ Sei dessen Anfangsenergie $E_0$, so gilt:
+ \begin{equation}
+ R = \frac{1}{N} \int_0^{E_0} \frac{d E}{S_e(E) + S_n(E)} \quad \textrm{.}
+ \end{equation}
+ Um die Reichweite des Ions berechnen zu k"onnen, m"ussen noch der nukleare ($S_n$) und elektronische ($S_e$) Bremsquerschnitt bestimmt werden.
+
\subsubsection{Nukleare Bremskraft}
+ Die Wechselwirkung mit den Atomkernen des Targets kann durch einen elastischen Sto"sprozess beschrieben werden.
+
+
\subsubsection{Elektronische Bremskraft}
\subsection{Implantationsprofil}
projects / lectures / latex.git / blobdiff