中國科大開發(fā)人工神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)對(duì)低溫電子器件與電路的高精度建模與驗(yàn)證

日前，中國科大郭光燦院士團(tuán)隊(duì)固態(tài)量子計(jì)算研究組郭國平教授與微電子學(xué)院iGaN實(shí)驗(yàn)室孫海定教授合作，開發(fā)并優(yōu)化了一套人工神經(jīng)網(wǎng)絡(luò)算法并應(yīng)用于射頻功率器件及其電路的設(shè)計(jì)與實(shí)驗(yàn)驗(yàn)證，并在超寬溫域范圍獲得器件級(jí)和電路級(jí)的高精度建模。團(tuán)隊(duì)提出了基于人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）算法的氮化鎵（GaN）基高電子遷移率晶體管（HEMT）器件在寬溫域（極低溫4.2K至室溫300 K）的建模方法，實(shí)現(xiàn)了對(duì)GaN基HEMT直流和射頻特性的快速、高精度建模，并實(shí)現(xiàn)了對(duì)器件關(guān)鍵性能指標(biāo)超99%精度的預(yù)測?；谠摼o湊型器件和模型，團(tuán)隊(duì)進(jìn)一步設(shè)計(jì)和制備了GaN基單片微波集成電路（MMIC），驗(yàn)證了該模型在電路級(jí)的泛化能力和魯棒性。這項(xiàng)研究成果以“Accurate Modelingof GaNHEMTs and MMICs for Cryogenic Electronics Applications Utilizing Artificial Neural Network”為題，發(fā)表于功率電子學(xué)領(lǐng)域重要期刊《IEEE電力電子新興和精選主題雜志》（IEEE Journal of Emerging and Selected Topics in Power Electronics）。

近年來，人工神經(jīng)網(wǎng)絡(luò)（ANN）算法在基礎(chǔ)理論研究和工業(yè)應(yīng)用中大放異彩，并在智能駕駛、大數(shù)據(jù)語言模型、人臉識(shí)別等領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用，深刻地影響和改變著我們的日常生活。最近，兩位科學(xué)家因其“基于人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”而榮獲2024年諾貝爾物理學(xué)獎(jiǎng)。在半導(dǎo)體芯片制造、測試和分析領(lǐng)域，復(fù)雜的工藝流程及高昂的流片、測試費(fèi)用是芯片產(chǎn)業(yè)發(fā)展面臨的長期困擾。若能在芯片大規(guī)模生產(chǎn)制備之前，利用ANN算法針對(duì)前期獲得的大量實(shí)驗(yàn)數(shù)據(jù)進(jìn)行訓(xùn)練和建模，對(duì)器件和電路進(jìn)行精確、快速的建模和仿真，有望大大降低人力和時(shí)間成本，并提升芯片技術(shù)研發(fā)效率，實(shí)現(xiàn)高性能半導(dǎo)體器件和電路的應(yīng)用。

以GaN基HEMT器件為例，作為具有性能優(yōu)異的電力電子功率和射頻器件的典型代表，GaN基HEMT是射頻基站、數(shù)據(jù)中心和電力轉(zhuǎn)換系統(tǒng)等尖端應(yīng)用領(lǐng)域中的關(guān)鍵元件之一。并且作為基于寬禁帶半導(dǎo)體材料的電力電子器件，GaN基HEMT天然地適合工作于具有極端環(huán)境溫度的條件下。為了更好地推動(dòng)GaN HEMT在極端環(huán)境電子系統(tǒng)中的應(yīng)用，我們需要能夠精確描述器件特性的高低溫緊湊模型，并基于此設(shè)計(jì)相應(yīng)的電路系統(tǒng)。在本工作中，研究團(tuán)隊(duì)基于前饋神經(jīng)網(wǎng)絡(luò)（feed forward neural network, FFNN）和反向傳播算法，首次完成了GaN HEMT器件在4.2 K至300 K溫度范圍內(nèi)，針對(duì)不同工作溫度、不同器件尺寸、不同偏置條件、不同工作頻段下的器件特性和電路特性的精確建模（圖1）。

圖1. 基于人工神經(jīng)網(wǎng)絡(luò)的緊湊模型。(a) ANN的結(jié)構(gòu)和建模流程；(b) 前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

實(shí)驗(yàn)結(jié)果表明，基于ANN算法的低溫緊湊模型在4.2 K至300 K的溫度范圍內(nèi)可以對(duì)GaN基HEMT器件的直流特性（以輸出特性為例，圖2a）和射頻特性（以小信號(hào)史密斯圓圖為例，圖2b）實(shí)現(xiàn)準(zhǔn)確建模和預(yù)測，在保證模型預(yù)測精度大于99%的同時(shí)，將建模時(shí)間縮短至幾小時(shí)，大幅降低建模成本；更進(jìn)一步，研究團(tuán)隊(duì)成功將該低溫GaN基HEMT器件模型應(yīng)用于一款單片微波集成電路(monolithic microwave integrated circuit, MMIC)的設(shè)計(jì)和流片，實(shí)現(xiàn)了對(duì)GaN基MMIC常溫和低溫性能的高精度描述，電路的關(guān)鍵性能指標(biāo)誤差在常溫和低溫環(huán)境下均小于4%（圖2c），驗(yàn)證了ANN模型的泛化能力和魯棒性。

圖2. 在4.2 K至300 K溫度范圍內(nèi)，(a) GaN HEMT直流輸出特性ANN模型預(yù)測結(jié)果；(b) GaN HEMT射頻小信號(hào)特性；(c) GaN MMIC的增益和相位特性。實(shí)測數(shù)據(jù)表示為線，ANN模型預(yù)測結(jié)果表示為點(diǎn)。

同時(shí)，該工作所設(shè)計(jì)的ANN模型具有自適應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整方法，可以根據(jù)不同的數(shù)據(jù)集規(guī)模和器件工作場景，自動(dòng)調(diào)整網(wǎng)絡(luò)隱藏層數(shù)和神經(jīng)元數(shù)量，使該模型可以便捷地?cái)U(kuò)展至不同的器件制程和應(yīng)用場景，滿足其對(duì)器件和電路級(jí)的精確建模需求。特別地，在量子計(jì)算蓬勃發(fā)展的今天，基于GaN基HEMT的低溫器件和電路系統(tǒng)有著極大的應(yīng)用潛力，而對(duì)于這一新型的低溫電子系統(tǒng)而言，精確的ANN基緊湊型模型能夠高效地應(yīng)對(duì)來自后摩爾時(shí)代近閾值建模、量子效應(yīng)、極端條件和異構(gòu)集成等方面的建模挑戰(zhàn)，實(shí)現(xiàn)設(shè)計(jì)工藝協(xié)同優(yōu)化（Design Technology Co-optimization,DTCO）流程，同時(shí)實(shí)現(xiàn)高精度和快速度的建模流程。該工作為探索極低溫GaN基器件與電路在固態(tài)量子計(jì)算中的應(yīng)用提供了新思路。