鴻??萍技瘓F(tuán)今日宣布,其研究院的半導(dǎo)體研究所和人工智能研究所成功將AI學(xué)習(xí)模型與強(qiáng)化學(xué)習(xí)技術(shù)融合,顯著加速了碳化硅功率半導(dǎo)體的研發(fā)進(jìn)程。
在此次研究中,鴻海研究院采用了強(qiáng)化學(xué)習(xí)中的策略優(yōu)化方法,通過Proximal Policy Optimization(PPO)算法和Actor-Critic(A2C)架構(gòu),探索并優(yōu)化了碳化硅材料的制程參數(shù)與器件設(shè)計(jì)。這一技術(shù)不僅能夠模擬和調(diào)整復(fù)雜的工藝參數(shù),還能顯著縮短器件開發(fā)時(shí)間并降低研發(fā)成本。
與傳統(tǒng)基于多個(gè)參數(shù)值進(jìn)行預(yù)測(cè)的手法不同,該研究應(yīng)用AI進(jìn)行反向預(yù)測(cè)。在設(shè)定目標(biāo)值后,直接找出相應(yīng)的設(shè)計(jì)參數(shù),從而在實(shí)際應(yīng)用中減少設(shè)計(jì)人員的反復(fù)試驗(yàn)次數(shù),提升效率。例如,在針對(duì)高壓高功率碳化硅器件保護(hù)環(huán)的研究中,研究團(tuán)隊(duì)對(duì)保護(hù)環(huán)的關(guān)鍵參數(shù)進(jìn)行了工藝模擬和器件特性模擬,并將結(jié)果輸入AI模型,成功建立了保護(hù)環(huán)的AI模型。
該模型能夠根據(jù)所需的器件特性進(jìn)行參數(shù)反饋,利用數(shù)據(jù)分析與預(yù)測(cè)進(jìn)一步提升碳化硅器件的性能與工藝效率,最終通過實(shí)際工藝進(jìn)行驗(yàn)證。這項(xiàng)研究成果不僅可用于“設(shè)計(jì)優(yōu)化”,未來還可擴(kuò)展至“工藝改進(jìn)”和“故障診斷”,擴(kuò)大應(yīng)用范圍。
碳化硅功率半導(dǎo)體因其超寬能隙、耐高溫和高壓特性,已成為新能源電動(dòng)車、智能電網(wǎng)以及航天電子系統(tǒng)等高功率應(yīng)用中的關(guān)鍵材料。鴻海研究院的這一技術(shù)突破,將為這些領(lǐng)域帶來更高效、更可靠的解決方案。