本论文研究了部分耗尽SOI MOS器件、模型及器件模型参数提取方法，主要内容如下：　　 1)对SOI技术的应用、发展现状及前景进行了阐述，总结了SOI技术的优点以及问题。总结了近年来国内外的一些研究成果，总结和分析了部分耗尽SOI MOSFET特有的器件特性，对SOI CMOS器件物理进行了详细的阐述。总结了进入深亚微米阶段，SOI器件模型及模型参数提取工作所面临的问题。　　 2)研究了PDSOI器件在低压低功耗应用领域内的核心问题，分析了SOIDTMOS器件在解决低压低功耗问题上的优势，阐述了SOI DTMOS器件的特性及工作原理，分析了SOIDTMOS在低压低功耗领域的优势与不足，总结了提升SOI DTMOS器件性能的方法与途径。提出了一种新型的SOI DTMOS器件结构。模拟表明，该结构能够成功有效减小传统SOIDTMOS器件的寄生电容和体电阻，从而提升了器件的速度性能；　　 3)研究SOI模型参数提取需要的各种测试结构，并完成了版图设计，搭建了测试数据测试平台，总结了测试方法，收集了用于直流参数提取所需要的测试数据。　　 4)分析了传统的模型参数提取方法。比较了传统模型参数优化算法与遗传算法的利弊，利用遗传算法良好的收敛性及鲁棒性，采用全局优化的提取策略，一次性提取了BSIMSOI DD模型中的38个主要的直流参数，分析了在全局参数提取过程中遗传算法存在的问题，针对这些问题提出了具体的改进方案。　　 5)针对遗传算法在参数提取过程中可能出现的早熟问题及靠近全局最优域时速度会下降的问题，提出了将遗传算法和鲍威尔算法相结合的自适应混合遗传算法，该混合算法与传统的混合算法不同之处在于鲍威尔算法的自适应性，实验表明，该方法可以有效提高参数提取的计算精度。　　 6)本次参数提取过程中调用了Hspice外部程序，因而个体适应度计算的耗时问题将会非常严重，因而本文将并行计算思想用于模型参数提取，首次提出将基于MPI的主从式并行遗传算法用于模型参数提取过程，该并行模式可以有效提高参数提取的效率，克服遗传算法每次迭代花费时间长的缺点，而且，该模式对串行混合遗传算法的改动较小，对提出的鲍威尔—遗传混合算法的工作模式的改动主要发生在适应度计算上，因而，该并行模型使得主从式并行混合遗传算法的参数提取程序较容易实现。　　 7)运用C，Python及MPI函数混合编程，实现了基于MPI的主从式共享内存并行混合遗传算法的模型参数提取方法。利用该方法一次性提取了基于1.2μm CMOS/SOI工艺的BSIMSOI DD的38个主要直流模型参数。大量的实验数据证明，与传统方法是相比，该参数提取方法具有更好的收敛性，参数提取过程简单，不需要任何人工干预，参数提取效率高等优点。