基于强化学习的SiC功率MOSFET保护环设计参数预测方法研究
《IEEE Access》:AI-driven Parameter Prediction for SiC Power MOSFETs Guard Ring Design
【字体:
大
中
小
】
时间:2025年12月16日
来源:IEEE Access 3.6
编辑推荐:
本文介绍了一种基于强化学习(RL)的创新方法,用于优化碳化硅(SiC)功率MOSFET保护环(GR)设计的多个参数。研究人员针对传统技术计算机辅助设计(TCAD)仿真耗时长的瓶颈,开发了PPO和A2C两种RL代理,成功实现了从1.7kV设计数据预测2.5kV GR设计参数,在保持相同外延层厚度条件下显著提升了击穿电压(BV)并减少了芯片面积。这项工作为半导体器件设计提供了一种高效智能的新范式。
在当今追求高效能源转换的时代,碳化硅(SiC)功率器件凭借其优异的性能正成为高压应用领域的明星。与传统硅基器件相比,SiC MOSFET能够在更高温度、频率和电压下工作,同时保持更低的开关和导通损耗,这使得它们在电动汽车、智能电网和可再生能源系统等高端应用中备受青睐。然而,当器件工作在超过1kV的高压下时,活性区边缘的电场集中效应往往会导致器件提前击穿,这就如同一个木桶的短板效应,限制了整个器件性能的发挥。
保护环(GR)作为一种有效的边缘终端技术,通过重新分布电场来防止器件过早失效。但传统的GR设计优化依赖于繁重的TCAD仿真,每个设计点都需要10-13小时的仿真时间,整个设计周期漫长而昂贵。这种“试错式”的设计方法严重制约了SiC功率器件的快速发展。正是在这样的背景下,研究人员开始探索将人工智能技术引入半导体器件设计领域,以期打破这一瓶颈。
在这项发表于《IEEE Access》的研究中,研究人员开发了一种创新的强化学习(RL)框架,用于优化SiC MOSFET保护环设计的多个关键参数。该研究的核心思想是让AI智能体通过与环境交互,自主学习GR宽度、间距、数量以及离子注入剂量和能量等参数对击穿电压(BV)的影响规律,最终实现设计参数的逆向预测。
研究团队首先通过大量TCAD仿真构建了包含约2750个数据点的训练数据集,涵盖了GR数量(5-14个)、宽度(1-2μm)、间距(1-2μm)以及离子注入剂量(5×1011至9×1014cm-2)和能量(300/600/900 keV)等参数的全面组合。基于这些数据,他们构建了包含7个状态参数的自定义RL环境,并精心设计了奖励函数,既鼓励获得高击穿电压,又惩罚偏离最优剂量范围的选择。
关键技术方法包括:基于TCAD仿真的数据集构建(涵盖5种GR尺寸组合×10个GR数量×55个剂量参数);强化学习环境设计(定义状态空间、动作空间和状态转移函数);PPO和A2C两种智能体的训练比较(3层64神经元网络结构);以及包含非线性剂量惩罚的创新奖励函数设计。
研究表明,PPO智能体在训练过程中表现出更稳定的奖励曲线和更快的收敛速度,经过1000个训练周期后成功收敛。相比之下,A2C智能体虽然训练周期更短(200个周期),但奖励曲线波动较大。非线性惩罚函数的引入被证明对智能体的有效学习至关重要,它能更好地引导智能体理解剂量选择对BV的影响规律。
训练完成的RL模型成功预测了2.5kV GR设计所需的全部7个参数。当使用PPO智能体(批量大小64,探索率0.4)时,预测的参数组合在TCAD验证中实现了2538V的击穿电压,最接近目标值。值得注意的是,与原始的1.7kV设计(需要14个GRs,总宽度75.2μm)相比,新设计在保持相同外延层厚度和掺杂浓度的前提下,仅用13个GRs就实现了更高的击穿电压,显著减少了芯片面积。
PPO智能体在收敛稳定性方面表现更优,但其训练过程中的碳排放(0.02324kg CO2)和能耗(0.03619kWh)高于A2C智能体(0.00688kg CO2,0.01072kWh)。这表明在算法选择时需要权衡性能优势与计算成本。
研究结论表明,强化学习方法能够有效解决SiC功率器件设计中的多参数优化问题。特别是PPO算法展现出的稳定性和预测准确性,为半导体器件设计提供了一种新的智能化解决方案。这种方法不仅大幅减少了传统TCAD仿真所需的时间和计算资源,更重要的是实现了从“正向仿真”到“逆向设计”的范式转变,为未来半导体器件的高效开发开辟了新途径。
值得注意的是,这是首次将强化学习应用于半导体器件结构和工艺参数的逆向预测,打破了传统机器学习多局限于回归预测的局限。研究的成功实施证明了AI与TCAD仿真的深度融合在加速产品开发周期、降低研发成本方面的巨大潜力。随着算法的不断优化和计算能力的提升,这种数据驱动的设计方法有望在更广泛的半导体器件设计中发挥重要作用,推动功率电子技术向更高性能、更高效率的方向发展。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号