JP3540223B2

JP3540223B2 - Parameter extraction method for ion implantation simulation, recording medium

Info

Publication number: JP3540223B2
Application number: JP33217299A
Authority: JP
Inventors: 浩則坂本
Original assignee: NEC Electronics Corp
Current assignee: NEC Electronics Corp
Priority date: 1999-11-24
Filing date: 1999-11-24
Publication date: 2004-07-07
Anticipated expiration: 2019-11-24
Also published as: JP2001148353A

Description

【０００１】
【発明の属する技術分野】
本発明はパラメータ抽出方法及びパラメータ抽出プログラムを記録した記録媒体に関し、特に半導体の製造プロセスの計算機シミュレーションにおけるパラメータ抽出方法及びパラメータ抽出プログラムを記録した記録媒体に関する。
【０００２】
【従来の技術】
プロセスシミュレータとは、イオン注入プロセス、拡散プロセス等の半導体の製造プロセスを計算機を用いて計算し、デバイス内部の不純物プロファイル等の物理量や形状を予測するものである。プロセスシミュレータについての詳細な説明は、檀良編著、「プロセスデバイスシミュレーション技術」（産業図書）、１８−７９頁、１９９０年４月２０日発行に述べられている。
【０００３】
プロセスシミュレータにてイオン注入プロセスを計算するために用いられるイオン注入シミュレーションにおいて、不純物イオン注入に付随して発生する格子間シリコンや空孔などの点欠陥を高精度に計算することがイオン注入後の拡散シミュレーションを高精度に行うために重要である。
【０００４】
点欠陥は実際にその分布を測定することは困難であるが、第一原理的なモンテカルロ（ＭｏｎｔｅＣａｒｌｏ）・イオン注入シミュレータを用いて計算することは可能である。しかしながら、モンテカルロ・イオン注入シミュレーションは長時間の計算時間を要する。そのため、モンテカルロ・イオン注入シミュレータを用いて計算した点欠陥分布を、ある種の解析的な関数で近似し、抽出したパラメータを用いて高速なイオン注入シミュレーションを行うことが多い。
【０００５】
ここで、特開平１１−２８３９３２号公報に記載されているイオン注入シミュレーション方法を行うための構成が図２に示されている。同図において、開発者側とは同シミュレーション方法の開発時の手順を示し、ユーザ側とは同シミュレーション方法を使用する時の手順を表している。同図を参照すると、まず開発者側では、データベースに格納されたイオン注入条件４１として、注入イオン：Ｐ（燐）、注入エネルギー：５０ｋｅＶ、注入ドーズ量：１ｅ１５／ｃｍ^２等の条件を入力する。そして、モンテカルロ・イオン注入シミュレーション４２を行う。このシミュレーション４２により、有限個の点欠陥分布４３がデータベースに得られる。
【０００６】
次に、この点欠陥分布４３から、補正関数を考慮した、例えばピアソン分布関数用のパラメータの抽出４４を行う。この場合、補正関数を考慮とは、例えば、補正関数により補正後のピアソン分布関数がモンテカルロ法による分布を良く近似するように、ピアソン分布関数を抽出するというようなことである。
【０００７】
このピアソン分布関数用パラメータ４５は、ユーザ側の、プロセスシミュレータ４７のピアソン分布関数を用いたイオン注入シミュレーション４８に入力される。ユーザ側では、イオン注入条件４６として、前述したような条件を、プロセスシミュレータ４７に入力する。
【０００８】
プロセスシミュレータ４７では開発者側で得られたピアソン分布関数用パラメータを用いて、イオン注入シミュレーション４８を行う。これにより、所定の濃度分布が得られる。次に、補正関数
Ｆ（Ｐ（ｘ））＝Ｃ_Ｓｉ（１−ｅｘｐ（−Ｐ（ｘ）／Ｃ_Ｓｉ）） …（１）
による補正４９を行う。これにより、点欠陥分布５０を得る。なお、式（１）において、関数Ｐ（ｘ）はピアソン分布関数、Ｃ_ＳｉはＳｉの原子数密度とする。
【０００９】
ここで、点欠陥分布も不純物分布と良く似た分布であることから、イオン注入された不純物の分布を精度良く再現可能な性質を持つピアソン（Ｐｅａｒｓｏｎ）分布関数を使って近似することが一般的である。従って、モンテカルロ・イオン注入シミュレータを用いて計算した点欠陥分布を高精度に再現するようにピアソン分布関数のパラメータを抽出する必要がある。
【００１０】
この場合、従来は、モンテカルロ・イオン注入シミュレータの用いて計算した点欠陥分布を、そのまま抽出対象としてピアソン分布関数のパラメータを抽出していた。つまり、パラメータ抽出手順においては、図３（ａ）に示されているように、モンテカルロ・イオン注入シミュレータで点欠陥濃度の分布３１を得る。次に、図３（ｂ）に示されているように、その分布３１について、ピアソン分布関数で近似された分布３２を得て、パラメータを抽出する。
【００１１】
イオン注入シミュレーション時には、抽出したパラメータとピアソン分布関数とを用いて計算した、図３（ｃ）に示されている分布３３を用いる。
【００１２】
【発明が解決しようとする課題】
上述した従来技術には、次のような問題点があった。すなわち、図２に示されているように、点欠陥濃度の分布３１のピーク濃度がＳｉの原子数密度Ｃ_Ｓｉに近い場合、点欠陥分布がピアソン分布関数では高精度に近似できない分布となってしまう。このため、ピアソン分布関数を用いると、高精度なパラメータを抽出できないという欠点がある。
【００１３】
本発明は上述した従来技術の欠点を解決するためになされたものであり、その目的は高精度なパラメータを抽出することのできるパラメータ抽出方法及びパラメータ抽出プログラムを記録した記録媒体を提供することである。
【００１４】
【課題を解決するための手段】
本発明によるパラメータ抽出方法は、ピアソン分布関数と補正関数
Ｆ（Ｐ（ｘ））＝Ｃ_Ｓｉ（１−ｅｘｐ（−Ｐ（ｘ）／Ｃ_Ｓｉ））
（関数Ｐ（ｘ）は前記ピアソン分布関数、Ｃ_ＳｉはＳｉの原子数密度とする、以下同じ）とを用いる不純物イオン注入シミュレーションにおけるパラメータ抽出方法であって、点欠陥濃度分布を、前記補正関数の逆関数
Ｇ（Ｐ（ｘ））＝−Ｃ_Ｓｉｌｏｇ（１−Ｐ（ｘ）／Ｃ_Ｓｉ）
で変換するステップと、この変換された分布をピアソン分布関数で近似してパラメータを抽出するステップとを含むことを特徴とする。
【００１５】
本発明によるパラメータ抽出プログラムを記録した記録媒体は、コンピュータによってピアソン分布関数と補正関数
Ｆ（Ｐ（ｘ））＝Ｃ_Ｓｉ（１−ｅｘｐ（−Ｐ（ｘ）／Ｃ_Ｓｉ））
（関数Ｐ（ｘ）は前記ピアソン分布関数、Ｃ_ＳｉはＳｉの原子数密度とする、以下同じ）とを用いる不純物イオン注入シミュレーションにおけるパラメータ抽出を行うためのプログラムを記録した記録媒体であって、該プログラムはコンピュータに、点欠陥濃度分布を、前記補正関数の逆関数
Ｇ（Ｐ（ｘ））＝−Ｃ_Ｓｉｌｏｇ（１−Ｐ（ｘ）／Ｃ_Ｓｉ）
で変換させ、この変換された分布をピアソン分布関数で近似してパラメータを抽出させることを特徴とする。
【００１６】
要するに本発明では、半導体の製造プロセスの計算機シミュレーション方法に関し、特にピアソン分布関数とその補正関数を用いるイオン注入シミュレーションのパラメータ抽出方法において、モンテカルロ・イオン注入シミュレータで計算した格子間シリコンや空孔等の点欠陥の分布を、補正関数の逆関数
Ｇ（Ｐ（ｘ））＝ −Ｃ_Ｓｉｌｏｇ（１−Ｐ（ｘ）／Ｃ_Ｓｉ）
で変換し、その変換された分布をピアソン分布関数で近似してパラメータを抽出するのである。こうすることにより、高ドーズイオン注入時の点欠陥濃度分布を高精度に再現できるパラメータが得られ、高速かつ高精度なシミュレーションを実現できるのである。
【００１７】
【発明の実施の形態】
次に、本発明の実施の一形態について図面を参照して説明する。なお、以下の説明において参照する各図においては、他の図と同等部分には同一符号が付されている。
【００１８】
図１は本発明によるパラメータ抽出方法におけるパラメータ抽出手順を示す概念図である。同図を参照し、半導体の製造プロセスの計算機シミュレーション方法に関し、特にピアソン分布関数とその補正関数を用いるイオン注入シミュレーションのパラメータ抽出方法について説明する。
【００１９】
パラメータ抽出手順においては、まず図１（ａ）に示されているように、モンテカルロ・イオン注入シミュレータで点欠陥の一種である格子間シリコンの分布Ｐ（ｘ）１１を得る。次に、図１（ｂ）に示されているように、その格子間シリコンの分布を補正関数
Ｆ（Ｑ（ｘ））＝Ｃ_Ｓｉ（１−ｅｘｐ（−Ｑ（ｘ）／Ｃ_Ｓｉ））
の逆関数
Ｇ（Ｐ（ｘ））＝ −Ｃ_Ｓｉｌｏｇ（１−Ｐ（ｘ）／Ｃ_Ｓｉ）
で変換し、分布Ｑ（ｘ）１２を得る。その変換された分布Ｑ（ｘ）＝Ｇ（Ｐ（ｘ））に対して、図１（ｃ）に示されているように、ピアソン分布関数で近似された分布１３を得て、パラメータを抽出する。以上でパラメータの抽出手順は終了である。
【００２０】
次に、イオン注入シミュレーション時には、抽出したパラメータとピアソン分布関数とを用いて計算した、図１（ｄ）に示されている分布Ｑ（ｘ）１４を、補正関数で変換する。これにより、図１（ｅ）の符号１５で示されている、格子間シリコンの分布Ｐ（ｘ）＝Ｆ（Ｑ（ｘ））を得る。
【００２１】
以上説明したように、本シミュレーション方法を用いれば、モンテカルロ・イオン注入シミュレータを用いて計算した点欠陥の濃度がＳｉの原子数密度に近い場合でも、精度良く近似できる。以下、その効果について、数式を用いて物理的に導出して説明する。
【００２２】
まず、イオン注入が時間Ｔだけ行われると考え、ある座標ｘでは平均的に分布Ｑ（ｘ）だけ格子が壊れて点欠陥が発生していると考えると、ある時刻ｔでの点欠陥量Ｐ（ｘ，ｔ）は、式（２）のように表すことができる。
【００２３】
【数１】

ところが、点欠陥が発生すると、壊れることのできる格子がＣ_Ｓｉ−Ｐ（ｘ，ｔ）に減少する。従って、
【００２４】
【数２】

としなくてはならない。この式（３）をｔで微分すると、
【００２５】
【数３】

となる。この式（４）の微分方程式を解くと、式（５）のような補正関数が得られる。
【００２６】
【数４】

そして、分布Ｑ（ｘ）が小さく点欠陥が少ない場合では、点欠陥分布Ｐ（ｘ，Ｔ）＝Ｑ（ｘ）であり、その場合は点欠陥分布がピアソン分布に良く従うことから、分布Ｑ（ｘ）はピアソン分布に良く従う。従って、補正関数の逆関数により変換された分布Ｑ（ｘ）がピアソン分布で近似することが容易な分布となっているからである。
【００２７】
ところで、以上は、半導体の製造プロセスの計算機シミュレーション方法において、点欠陥分布のうち、格子間シリコンの分布に関して説明したが、空孔の分布についても同様に本発明を適用することができる。すなわち、ピアソン分布関数とその補正関数とを用いるイオン注入シミュレーションのパラメータ抽出方法において、まず、モンテカルロ・イオン注入シミュレータで空孔の分布Ｐ（ｘ）を求め、その分布Ｐ（ｘ）を、補正関数
Ｆ（Ｑ（ｘ））＝Ｃ_Ｓｉ（１−ｅｘｐ（−Ｑ（ｘ）／Ｃ_Ｓｉ））
の逆関数
Ｇ（Ｐ（ｘ））＝−Ｃ_Ｓｉｌｏｇ（１−Ｐ（ｘ）／Ｃ_Ｓｉ）
で変換する。次に、その変換された分布Ｑ（ｘ）＝Ｇ（Ｐ（ｘ））をピアソン分布関数で近似してパラメータを抽出する。こうすることにより、上記と同様に、モンテカルロ・イオン注入シミュレータを用いて計算した空孔の分布濃度がＳｉの原子数密度に近い場合でも、精度良く近似できるのである。
【００２８】
なお、以上説明した図１の処理を実現するためのプログラムを記録した記録媒体を用意し、これを用いてコンピュータを制御すれば、上述と同様のシミュレーションを実現できることは明白である。この記録媒体には、半導体メモリ、磁気ディスク装置の他、種々の記録媒体を用いることができる。
【００２９】
【発明の効果】
以上説明したように本発明は、点欠陥の分布を補正関数の逆関数で変換し、この変換された分布をピアソン分布関数で近似してパラメータを抽出することにより、モンテカルロ・イオン注入シミュレータを用いて計算した点欠陥の濃度がＳｉの原子数密度に近い場合でも、精度良く近似でき、高速かつ高精度なシミュレーションを実現できるという効果がある。
【図面の簡単な説明】
【図１】本発明の実施の一形態によるパラメータ抽出方法におけるパラメータ抽出手順を示す概念図である。
【図２】一般的なイオン注入シミュレーション方法を行うための構成を示すブロック図である。
【図３】従来のパラメータ抽出方法におけるパラメータ抽出手順を示す概念図である。
【符号の説明】
１１格子間シリコンの分布
１２補正関数の逆関数で変換された分布
１３ピアソン分布関数で近似された分布
１４ピアソン分布関数を用いて計算した分布
１５補正関数で変換された分布[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a parameter extraction method and a recording medium recording a parameter extraction program, and more particularly to a parameter extraction method and a recording medium recording a parameter extraction program in computer simulation of a semiconductor manufacturing process.
[0002]
[Prior art]
The process simulator calculates a semiconductor manufacturing process such as an ion implantation process and a diffusion process using a computer, and predicts a physical quantity and a shape such as an impurity profile inside the device. A detailed description of the process simulator is given in "Process Device Simulation Technology" (Sangyo Tosho), edited by Danyo, pp. 18-79, issued April 20, 1990.
[0003]
In the ion implantation simulation used to calculate the ion implantation process in the process simulator, highly accurate calculation of point defects such as interstitial silicon and vacancies accompanying the impurity ion implantation is required after the ion implantation. It is important to perform diffusion simulation with high accuracy.
[0004]
Although it is difficult to actually measure the distribution of the point defect, it is possible to calculate the point defect using a first-principle Monte Carlo ion implantation simulator. However, the Monte Carlo ion implantation simulation requires a long calculation time. Therefore, a point defect distribution calculated using a Monte Carlo ion implantation simulator is approximated by a certain analytical function, and high-speed ion implantation simulation is often performed using extracted parameters.
[0005]
Here, FIG. 2 shows a configuration for performing the ion implantation simulation method described in JP-A-11-283932. In the figure, a developer indicates a procedure at the time of development of the simulation method, and a user indicates a procedure at the time of using the simulation method. Referring to the figure, the developer first inputs conditions such as implanted ions: P (phosphorus), implanted energy: 50 keV, and implanted dose: 1e15 / cm ² as the ion implantation conditions 41 stored in the database. . Then, a Monte Carlo ion implantation simulation 42 is performed. By this simulation 42, a finite number of point defect distributions 43 are obtained in the database.
[0006]
Next, for example, a parameter extraction 44 for the Pearson distribution function is performed from the point defect distribution 43 in consideration of the correction function. In this case, the consideration of the correction function means, for example, extracting the Pearson distribution function so that the Pearson distribution function corrected by the correction function closely approximates the distribution by the Monte Carlo method.
[0007]
The Pearson distribution function parameters 45 are input to an ion implantation simulation 48 using a Pearson distribution function of the process simulator 47 on the user side. On the user side, the conditions described above are input to the process simulator 47 as the ion implantation conditions 46.
[0008]
The process simulator 47 performs an ion implantation simulation 48 using the Pearson distribution function parameters obtained on the developer side. Thereby, a predetermined density distribution is obtained. Next, a correction function F (P (x)) = C _Si (1−exp (−P (x) / C _Si )) (1)
Correction 49 is performed. Thus, a point defect distribution 50 is obtained. In equation (1), the function P (x) is a Pearson distribution function, and C _Si is the atomic density of Si.
[0009]
Here, since the point defect distribution is also very similar to the impurity distribution, it is general to approximate the distribution of the ion-implanted impurity using a Pearson distribution function having a property capable of accurately reproducing the distribution. It is. Therefore, it is necessary to extract the parameters of the Pearson distribution function so as to reproduce the point defect distribution calculated using the Monte Carlo ion implantation simulator with high accuracy.
[0010]
In this case, conventionally, the parameters of the Pearson distribution function have been extracted by directly extracting the point defect distribution calculated using the Monte Carlo ion implantation simulator. That is, in the parameter extraction procedure, as shown in FIG. 3A, the distribution 31 of the point defect concentration is obtained by the Monte Carlo ion implantation simulator. Next, as shown in FIG. 3B, a distribution 32 approximated by a Pearson distribution function is obtained for the distribution 31, and parameters are extracted.
[0011]
At the time of the ion implantation simulation, the distribution 33 shown in FIG. 3C calculated using the extracted parameters and the Pearson distribution function is used.
[0012]
[Problems to be solved by the invention]
The above-described prior art has the following problems. That is, as shown in FIG. 2, when the peak concentration of the point defect concentration distribution 31 is close to the atomic number density C _Si of _Si , the point defect distribution becomes a distribution that cannot be approximated with a Pearson distribution function with high accuracy. I will. For this reason, using the Pearson distribution function has the disadvantage that highly accurate parameters cannot be extracted.
[0013]
SUMMARY OF THE INVENTION The present invention has been made to solve the above-described drawbacks of the related art, and an object of the present invention is to provide a parameter extraction method capable of extracting a parameter with high accuracy and a recording medium on which a parameter extraction program is recorded. is there.
[0014]
[Means for Solving the Problems]
In the parameter extraction method according to the present invention, the Pearson distribution function and the correction function F (P (x)) = _CSi (1-exp (-P (x) / _CSi ))
(Function P (x) is the Pearson distribution function, C _Si is the atomic number density of Si, and the same applies hereinafter). Inverse function G (P (x)) = − C _Si log (1−P (x) / C _Si )
And extracting parameters by approximating the converted distribution with a Pearson distribution function.
[0015]
The recording medium on which the parameter extraction program according to the present invention has been recorded is a computer using a Pearson distribution function and a correction function F (P (x)) = _CSi (1-exp (-P (x) / _CSi ))
(Function P (x) is the Pearson distribution function, C _Si is the atomic number density of Si, the same applies hereinafter), and is a recording medium storing a program for performing parameter extraction in the impurity ion implantation simulation, The program instructs the computer to calculate the point defect concentration distribution by using the inverse function of the correction function G (P (x)) =-C _Si log (1-P (x) / C _Si ).
, And the converted distribution is approximated by a Pearson distribution function to extract parameters.
[0016]
In short, the present invention relates to a computer simulation method of a semiconductor manufacturing process, and particularly to a parameter extraction method of an ion implantation simulation using a Pearson distribution function and its correction function, such as interstitial silicon or vacancy calculated by a Monte Carlo ion implantation simulator. The distribution of point defects is calculated by calculating the inverse function of the correction function G (P (x)) = − C _Si log (1−P (x) / C _Si )
, And the converted distribution is approximated by a Pearson distribution function to extract parameters. By doing so, a parameter that can reproduce the point defect concentration distribution at the time of high dose ion implantation with high accuracy can be obtained, and high-speed and high-accuracy simulation can be realized.
[0017]
BEST MODE FOR CARRYING OUT THE INVENTION
Next, an embodiment of the present invention will be described with reference to the drawings. In the drawings referred to in the following description, the same parts as those in the other drawings are denoted by the same reference numerals.
[0018]
FIG. 1 is a conceptual diagram showing a parameter extraction procedure in a parameter extraction method according to the present invention. With reference to the figure, a computer simulation method of a semiconductor manufacturing process, particularly a parameter extraction method of an ion implantation simulation using a Pearson distribution function and its correction function will be described.
[0019]
In the parameter extraction procedure, first, as shown in FIG. 1A, a distribution P (x) 11 of interstitial silicon, which is a kind of point defect, is obtained by a Monte Carlo ion implantation simulator. Next, as shown in FIG. 1B, the distribution of the interstitial silicon is corrected by a correction function F (Q (x)) = _CSi (1-exp (-Q (x) / _CSi )).
Inverse function G (P (x)) = − C _Si log (1−P (x) / C _Si )
To obtain a distribution Q (x) 12. For the transformed distribution Q (x) = G (P (x)), as shown in FIG. 1C, a distribution 13 approximated by a Pearson distribution function is obtained, and parameters are extracted. I do. This is the end of the parameter extraction procedure.
[0020]
Next, at the time of the ion implantation simulation, the distribution Q (x) 14 shown in FIG. 1D calculated using the extracted parameters and the Pearson distribution function is converted by a correction function. Thereby, a distribution P (x) = F (Q (x)) of interstitial silicon, which is indicated by reference numeral 15 in FIG.
[0021]
As described above, by using the present simulation method, it is possible to approximate with high accuracy even when the point defect concentration calculated using the Monte Carlo ion implantation simulator is close to the atomic density of Si. Hereinafter, the effect will be described by physically deriving it using mathematical expressions.
[0022]
First, it is assumed that the ion implantation is performed only for the time T, and that the lattice is broken by the distribution Q (x) on average at a certain coordinate x and a point defect is generated. (X, t) can be expressed as in equation (2).
[0023]
(Equation 1)

However, when the point defect occurs, the grid that can be broken is reduced to _{C Si -P (x, t)} . Therefore,
[0024]
(Equation 2)

Must be done. Differentiating this equation (3) with t,
[0025]
[Equation 3]

It becomes. Solving the differential equation of equation (4) yields a correction function as shown in equation (5).
[0026]
(Equation 4)

When the distribution Q (x) is small and the number of point defects is small, the point defect distribution P (x, T) = Q (x). In this case, since the point defect distribution follows the Pearson distribution well, the distribution Q (X) follows the Pearson distribution well. Therefore, the distribution Q (x) converted by the inverse function of the correction function is a distribution that can be easily approximated by the Pearson distribution.
[0027]
By the way, in the computer simulation method of the semiconductor manufacturing process, the distribution of interstitial silicon among the point defect distributions has been described, but the present invention can be similarly applied to the distribution of vacancies. That is, in the parameter extraction method of the ion implantation simulation using the Pearson distribution function and its correction function, first, the distribution P (x) of the vacancies is obtained by the Monte Carlo ion implantation simulator, and the distribution P (x) is calculated by the correction function F (Q (x)) = C _Si (1-exp (−Q (x) / C _Si ))
Inverse function G (P (x)) = − C _Si log (1−P (x) / C _Si )
To convert. Next, the converted distribution Q (x) = G (P (x)) is approximated by a Pearson distribution function to extract parameters. By doing so, similar to the above, even if the distribution density of vacancies calculated using the Monte Carlo ion implantation simulator is close to the atomic number density of Si, approximation can be made with high accuracy.
[0028]
It is apparent that the same simulation as described above can be realized by preparing a recording medium on which a program for realizing the above-described processing of FIG. 1 is recorded and controlling the computer using the recording medium. As this recording medium, various recording media other than the semiconductor memory and the magnetic disk device can be used.
[0029]
【The invention's effect】
As described above, the present invention uses a Monte Carlo ion implantation simulator by converting the distribution of point defects by the inverse function of the correction function, and approximating the converted distribution with a Pearson distribution function to extract parameters. Even if the calculated point defect concentration is close to the atomic density of Si, the approximation can be made with high accuracy, and there is an effect that a high-speed and high-accuracy simulation can be realized.
[Brief description of the drawings]
FIG. 1 is a conceptual diagram showing a parameter extraction procedure in a parameter extraction method according to an embodiment of the present invention.
FIG. 2 is a block diagram showing a configuration for performing a general ion implantation simulation method.
FIG. 3 is a conceptual diagram showing a parameter extraction procedure in a conventional parameter extraction method.
[Explanation of symbols]
Reference Signs List 11 interstitial silicon distribution 12 distribution converted by inverse function of correction function 13 distribution approximated by Pearson distribution function 14 distribution calculated by using Pearson distribution function 15 distribution converted by correction function

Claims

Pearson distribution function and correction function F (P (x)) = _CSi (1-exp (-P (x) / _CSi ))
(Function P (x) is the Pearson distribution function, C _Si is the atomic number density of Si, the same applies hereinafter). Inverse function G (P (x)) = − C _Si log (1−P (x) / C _Si )
And extracting parameters by approximating the converted distribution with a Pearson distribution function.

The parameter extraction method according to claim 1, wherein the point defect concentration distribution is an interstitial silicon concentration distribution.

The parameter extraction method according to claim 1, wherein the point defect density distribution is a density distribution of holes.

Pearson distribution function and correction function F (P (x)) = C _Si (1-exp (−P (x) / C _Si )) by computer
(Function P (x) is the Pearson distribution function, C _Si is the atomic number density of Si, the same applies hereinafter). The program instructs the computer to calculate the point defect concentration distribution by using the inverse function of the correction function G (P (x)) =-C _Si log (1-P (x) / C _Si ).
And a parameter extracting program for extracting parameters by approximating the converted distribution with a Pearson distribution function.

The recording medium according to claim 4, wherein the point defect concentration distribution is a concentration distribution of interstitial silicon.

The recording medium according to claim 4, wherein the point defect concentration distribution is a hole concentration distribution.