鸿海科技集团今日通过新闻稿宣布，鸿海研究院半导体研究所、人工智能研究所成功将 AI 学习模型与强化学习技术融合，大幅加速碳化硅功率半导体的研发进程。
在此次研究中，鸿海研究院采用强化学习中的策略优化方法，通过策略梯度技术中的 Proximal Policy Optimization（PPO）算法和结合策略与价值函数的 Actor-Critic（A2C）架构，探索并优化碳化硅材料的制程参数与器件设计，以提升性能表现。
据IT之家了解，不同于传统基于多个参数值进行预测的手法，该研究应用 AI 进行反向预测。在设定目标值后，直接找出相应的设计参数，从而在实际应用中减少设计人员的反复试验次数，提升效率。
这一技术不仅能够模拟和调整复杂的工艺参数，还能显著缩短器件开发时间并降低研发成本。例如在针对高压高功率碳化硅器件保护环的研究中，研究团队对保护环的关键参数进行了工艺模拟和器件特性模拟，并将结果输入 AI 模型，成功建立了保护环的 AI 模型。
该模型能够根据所需的器件特性进行参数反馈，利用数据分析与预测进一步提升碳化硅器件的性能与工艺效率，最终通过实际工艺进行验证。这项研究成果不仅可用于“设计优化”，未来还可扩展至“工艺改进”和“故障诊断”，扩大应用范围（下图为优化后保护环的结构剖面图）。
碳化硅功率半导体因其超宽能隙、耐高温和高压特性，已成为新能源电动车、智能电网以及航天电子系统等高功率应用中的关键材料。
免责声明：文章内容来自IT之家
本站不对其内容的真实性、完整性、准确性给予任何担保、明示、暗示和承诺，本文仅供读者参考!
数码迷尊重原作者的辛勤劳动并致力于保护原著版权以及相关的知识产权，所转载的文章，其版权归原作者所有。
如本文内容影响到您的合法权益(内容、图片等)，请通过邮箱5937331#qq.com联系我们，我们将第一时间回复处理。
