9月13-14日，“2021中國（南京）功率與射頻半導體技術市場應用峰會（CASICON 2021）”在南京召開。本屆峰會由半導體產業網、第三代半導體產業主辦，并得到了南京大學、第三代半導體產業技術創新戰略聯盟的指導。

 

功率集成電路廣泛地應用于多樣化的市場之中，種類繁多。作為功率集成電路中的核心元件，功率半導體器件決定了整個電路的性能、功耗、成本、良品率等。器件設計理論和制造技術是制約GaN基集成功率器件在性能和應用上發展的瓶頸。TCAD工具目前是GaN基功率半導體器件設計必不可少的工具。

會上，南京郵電大學張珺教授帶來了“基于人工神經網絡的AlGaN/GaN HEMT反向特性表征技術”的主題報告，報告指出，由于AlGaN/GaN HEMT器件中存在的多樣復雜的二維耦合效應，時至今日，對器件反向性能的表征手段仍舊是制約AlGaN/GaN HEMT耐壓特性研究的重要障礙。具體來說，由于AlGaN/GaN HEMT器件中存在的疊層耐壓結構和二維缺陷態分布，雪崩擊穿過程在AlGaN/GaN HEMT和成熟的硅基橫向功率器件之間有著很大不同。特別是由于功率器件工作環境的極端性，導致目前基于TCAD工具數值仿真的耐壓性能分析方法往往是低效、耗時且收斂性差。

 

 

為了能夠準確的、高效的預測AlGaN/GaN HEMT器件的反向特性，報告提出一種基于人工神經網絡的數值仿真新方法。該方法主要由：i).包含輸入層、兩個隱藏層和輸出層的人工神經網絡架構；ii) .一個可以直接將輸出結果轉換為I-V曲線的轉換函數；兩個部分構成。對于人工神經網絡構建，輸入神經元表示施加的偏置和器件結構參數，而隱藏層層數及神經元個數作為訓練超參數（包括權重和偏置）。因而，可以根據預測任務的復雜程度對其進行優化設置以實現最優神經網絡的構建。與此同時，輸出層的神經元代表電流相關的特征，將作為轉換函數的輸入。當AlGaN/GaN HEMT器件處于反向工作狀態時，隨著施加的反向偏置電壓(Vd)增加，在數十伏電壓的變化內，電流變化的跨度將覆蓋數個數量級。這類快速變化過程將阻礙訓練數據集與神經網絡之間的擬合。為解決優化擬合問題，提升預測準確度和效率。本文通過引入轉換函數。以結構參數為輸入，從而直接得到關態電流-電壓(I-V)曲線以及擊穿電壓(BV)、全耗盡電壓、飽和漏電流等基本性能指標。

 

報告提出了一個多層人工神經網絡預測框架來預測AlGaN/GaN HEMT器件的反向特性。通過基于實驗數據校準的預測和模擬之間的良好一致性來驗證訓練的神經網絡。與Sentaurus TCAD仿真相比，所提出的工具可以實現較低的反向I-V和擊穿電壓預測誤差（平均誤差<5%），平均計算時間消耗不足傳統數值方法的0.02‰。此外，基于人工神經網絡的方法還可以有效地解釋反向性能隨結構參數的變化趨勢。此外，所提出的方法避免了TCAD模擬中經常出現的收斂問題。相同的方法有望應用于新型AlGaN/GaN HEMT器件，以研究器件結構和耐壓性能之間的關系。