IT之家 12 月 30 日消息，鴻海科技集團今日通過新聞稿宣布，鴻海研究院半導(dǎo)體研究所、人工智能研究所成功將 AI 學習模型與強化學習技術(shù)融合，大幅加速碳化硅功率半導(dǎo)體的研發(fā)進程。
在此次研究中，鴻海研究院采用強化學習中的策略優(yōu)化方法，通過策略梯度技術(shù)中的 Proximal Policy Optimization（PPO）算法和結(jié)合策略與價值函數(shù)的 Actor-Critic（A2C）架構(gòu)，探索并優(yōu)化碳化硅材料的制程參數(shù)與器件設(shè)計，以提升性能表現(xiàn)。
據(jù)IT之家了解，不同于傳統(tǒng)基于多個參數(shù)值進行預(yù)測的手法，該研究應(yīng)用 AI 進行反向預(yù)測。在設(shè)定目標值后，直接找出相應(yīng)的設(shè)計參數(shù)，從而在實際應(yīng)用中減少設(shè)計人員的反復(fù)試驗次數(shù)，提升效率。
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)時間并降低研發(fā)成本。例如在針對高壓高功率碳化硅器件保護環(huán)的研究中，研究團隊對保護環(huán)的關(guān)鍵參數(shù)進行了工藝模擬和器件特性模擬，并將結(jié)果輸入 AI 模型，成功建立了保護環(huán)的 AI 模型。
該模型能夠根據(jù)所需的器件特性進行參數(shù)反饋，利用數(shù)據(jù)分析與預(yù)測進一步提升碳化硅器件的性能與工藝效率，最終通過實際工藝進行驗證。這項研究成果不僅可用于“設(shè)計優(yōu)化”，未來還可擴展至“工藝改進”和“故障診斷”，擴大應(yīng)用范圍（下圖為優(yōu)化后保護環(huán)的結(jié)構(gòu)剖面圖）。
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。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。