中国科大开发人工神经网络算法实现对低温电子器件与电路的高精度建模与验证
日前，中国科年夜郭光灿院士团队固态量子计较研究组郭国平传授与微电子学院iGaN试验室孙海定传授互助，开发并优化了一套人工神经收集算法并使用于射频功率器件及其电路的设计与试验验证，并正在超宽温域规模得到器件级以及电路级的高精度建模。团队提出了基于人工神经收集（Artificial Neural Network, ANN）算法的氮化镓（GaN）基高电子迁徙率晶体管（HEMT）器件正在宽温域（极高温4.2K至室温300 K）的建模要领，完成了对GaN基HEMT直流以及射频特征的疾速、高精度建模，并完成了对器件要害机能指标超99%精度的预测。基于该紧凑型器件以及模子，团队进一步设计以及制备了GaN基单片微波集成电路（MMIC），验证了该模子正在电路级的泛化才能以及鲁棒性。这项研究结果以“Accurate Modelingof GaNHEMTs and MMICs for Cryogenic Electronics Applications Utilizing Artificial Neural Network”为题，颁发于功率电子学范畴重要期刊《IEEE电力电子新兴以及精选主题杂志》（IEEE Journal
日前，中国科年夜郭光灿院士团队固态量子计较研究组郭国平传授与微电子学院iGaN试验室孙海定传授互助，开发并优化了一套人工神经收集算法并使用于射频功率器件及其电路的设计与试验验证，并正在超宽温域规模得到器件级以及电路级的高精度建模。团队提出了基于人工神经收集（Artificial Neural Network, ANN）算法的氮化镓（GaN）基高电子迁徙率晶体管（HEMT）器件正在宽温域（极高温4.2K至室温300 K）的建模要领，完成了对GaN基HEMT直流以及射频特征的疾速、高精度建模，并完成了对器件要害机能指标超99%精度的预测。基于该紧凑型器件以及模子，团队进一步设计以及制备了GaN基单片微波集成电路（MMIC），验证了该模子正在电路级的泛化才能以及鲁棒性。这项研究结果以“Accurate Modelingof GaNHEMTs and MMICs for Cryogenic Electronics Applications Utilizing Artificial Neural Network”为题，颁发于功率电子学范畴重要期刊《IEEE电力电子新兴以及精选主题杂志》（IEEE Journal of Emerging and Selected Topics in Power Electronics）。
最近几年来，人工神经收集（ANN）算法正在根蒂根基实践研究以及产业使用中年夜放异彩，并正在智能驾驶、年夜数据言语模子、人脸辨认等范畴曾经获得了普遍的使用，粗浅地影响以及转变着咱们的一样平常糊口。比来，两位迷信家因其“基于人工神经收集完成机械进修的根蒂根基性发明以及发现”而荣获2024年诺贝尔物理学奖。正在半导体芯片创造、测试以及阐发范畴，庞大的工艺流程及昂扬的流片、测试用度是芯片工业成长面对的恒久困扰。若能正在芯片年夜范围出产制备以前，哄骗ANN算法针对后期得到的年夜量试验数据举行训练以及建模，对器件以及电路举行准确、疾速的建模以及仿真，无望年夜年夜升高人力以及时间本钱，并晋升芯片技能研发效率，完成高机能半导体器件以及电路的使用。
以GaN基HEMT器件为例，作为具备机能优秀的电力电子功率以及射频器件的典型代表，GaN基HEMT是射频基站、数据中间以及电力转换体系等尖端使用范畴中的要害元件之一。而且作为基于宽禁带半导体资料的电力电子器件，GaN基HEMT自然地合适事情于具备极度情况温度的前提下。为了更好地鞭策GaN HEMT正在极度情况电子体系中的使用，咱们需求可以或许准确形容器件特征的凹凸温紧凑模子，并基于此设计响应的电路体系。正在本事情中，研究团队基于前馈神经收集（feed forward neural network, FFNN）以及反向流传算法，初次实现了GaN HEMT器件正在4.2 K至300 K温度规模内，针对没有同事情温度、没有同器件尺寸、没有同偏置前提、没有同事情频段下的器件特征以及电路特征的准确建模（图1）。
图1. 基于人工神经收集的紧凑模子。(a) ANN的布局以及建模流程；(b) 前馈神经收集布局
试验成果标明，基于ANN算法的高温紧凑模子正在4.2 K至300 K的温度规模内可以对GaN基HEMT器件的直流特征（以输入特征为例，图2a）以及射频特征（以小旌旗灯号史姑娘圆图为例，图2b）完成精确建模以及预测，正在保障模子预测精度年夜于99%的同时，将建模时间缩短至几小时，年夜幅升高建模本钱；更进一步，研究团队胜利将该高温GaN基HEMT器件模子使用于一款单片微波集成电路(monolithic microwave integrated circuit, MMIC)的设计以及流片，完成了对GaN基MMIC常温文高温机能的高精度形容，电路的要害机能指标误差正在常温文高温情况下均小于4%（图2c），验证了ANN模子的泛化才能以及鲁棒性。
图2. 正在4.2 K至300 K温度规模内，(a) GaN HEMT直流输入特征ANN模子预测成果；(b) GaN HEMT射频小旌旗灯号特征；(c) GaN MMIC的增益以及相位特征。实测数据表现为线，ANN模子预测成果表现为点。
同时，该事情所设计的ANN模子具备自顺应的收集布局调解要领，可以凭据没有同的数据集范围以及器件事情场景，主动调解收集暗藏层数以及神经元数目，使该模子可以便捷地扩大至没有同的器件制程以及使用场景，餍足其对器件以及电路级的准确建模需要。出格地，正在量子计较蓬勃成长的明天，基于GaN基HEMT的高温器件以及电路体系有着极年夜的使用后劲，而关于这一新型的高温电子体系而言，准确的ANN基紧凑型模子可以或许高效地应答来自后摩尔时代近阈值建模、量子效应、极度前提以及异构集成等方面的建模应战，完成设计工艺协同优化（Design Technology Co-optimization,DTCO）流程，同时完成高精度以及疾速度的建模流程。该事情为摸索极高温GaN基器件与电路正在固态量子计较中的使用供给了新思绪。
中国迷信院量子信息重点试验室博士研究生向梓琨以及中国迷信技能年夜学微电子学院博士研究生张昊宸为论文配合第一作者，我校特任副研究员雒超以及特任传授孙海定为论文配合通信作者，本名目还获得了郭国平传授，金西传授、裴轶博士的鼎力大举撑持以及引导。此外，该事情获得了科技立异2030重年夜名目、国度重点研发规划、国度天然迷信基金委果赞助。本名目的器件制备以及MMIC流片得到了姑苏能讯半导体公司的鼎力大举撑持以及辅佐。
微信扫一扫