【儀表網(wǎng) 研發(fā)快訊】日前，中國科大郭光燦院士團隊固態(tài)量子計算研究組郭國平教授與微電子學院iGaN實驗室孫海定教授合作，開發(fā)并優(yōu)化了一套人工神經(jīng)網(wǎng)絡算法并應用于射頻功率器件及其電路的設計與實驗驗證，并在超寬溫域范圍獲得器件級和電路級的高精度建模。團隊提出了基于人工神經(jīng)網(wǎng)絡(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，實現(xiàn)了對GaN基HEMT直流和射頻特性的快速、高精度建模，并實現(xiàn)了對器件關鍵性能指標超99%精度的預測。基于該緊湊型器件和模型，團隊進一步設計和制備了GaN基單片微波集成電路(MMIC)，驗證了該模型在電路級的泛化能力和魯棒性。這項研究成果以“Accurate Modelingof GaNHEMTs and MMICs for Cryogenic Electronics Applications Utilizing Artificial Neural Network”為題，發(fā)表于功率電子學領域重要期刊《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(ANN)算法在基礎理論研究和工業(yè)應用中大放異彩，并在智能駕駛、大數(shù)據(jù)語言模型、人臉識別等領域已經(jīng)得到了廣泛的應用，深刻地影響和改變著我們的日常生活。最近，兩位科學家因其“基于人工神經(jīng)網(wǎng)絡實現(xiàn)機器學習的基礎性發(fā)現(xiàn)和發(fā)明”而榮獲2024年諾貝爾物理學獎。在半導體芯片制造、測試和分析領域，復雜的工藝流程及高昂的流片、測試費用是芯片產(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算法針對前期獲得的大量實驗數(shù)據(jù)進行訓練和建模，對器件和電路進行精確、快速的建模和仿真，有望大大降低人力和時間成本，并提升芯片技術研發(fā)效率，實現(xiàn)高性能半導體器件和電路的應用。
 

　　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)中心和電力轉換系統(tǒng)等尖端應用領域中的關鍵元件之一。并且作為基于寬禁帶半導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GaN HEMT在極端環(huán)境電子系統(tǒng)中的應用，我們需要能夠精確描述器件特性的高低溫緊湊模型，并基于此設計相應的電路系統(tǒng)。在本工作中，研究團隊基于前饋神經(jīng)網(wǎng)絡(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，針對不同工作溫度、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)絡的緊湊模型。(a) ANN的結構和建模流程；(b) 前饋神經(jīng)網(wǎng)絡結構
 

　　實驗結果表明，基于ANN算法的低溫緊湊模型在4.2 K至300 K的溫度范圍內可以對GaN基HEMT器件的直流特性(以輸出特性為例，圖2a)和射頻特性(以小信號史密斯圓圖為例，圖2b)實現(xiàn)準確建模和預測，在保證模型預測精度大于99%的同時，將建模時間縮短至幾小時，大幅降低建模成本；更進一步，研究團隊成功將該低溫GaN基HEMT器件模型應用于一款單片微波集成電路(monolithic microwave integrated circuit, MMIC)的設計和流片，實現(xiàn)了對GaN基MMIC常溫和低溫性能的高精度描述，電路的關鍵性能指標誤差在常溫和低溫環(huán)境下均小于4%(圖2c)，驗證了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，(a) GaN HEMT直流輸出特性ANN模型預測結果；(b) GaN HEMT射頻小信號特性；(c) GaN MMIC的增益和相位特性。實測數(shù)據(jù)表示為線，ANN模型預測結果表示為點。
 

　　同時，該工作所設計的ANN模型具有自適應的網(wǎng)絡結構調整方法，可以根據(jù)不同的數(shù)據(jù)集規(guī)模和器件工作場景，自動調整網(wǎng)絡隱藏層數(shù)和神經(jīng)元數(shù)量，使該模型可以便捷地擴展至不同的器件制程和應用場景，滿足其對器件和電路級的精確建模需求。特別地，在量子計算蓬勃發(fā)展的今天，基于GaN基HEMT的低溫器件和電路系統(tǒng)有著極大的應用潛力，而對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對來自后摩爾時代近閾值建模、量子效應、極端條件和異構集成等方面的建模挑戰(zhàn)，實現(xiàn)設計工藝協(xié)同優(yōu)化(Design Technology Co-optimization,DTCO)流程，同時實現(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)量子計算中的應用提供了新思路。
 

　　中國科學院量子信息重點實驗室博士研究生向梓琨和中國科學技術大學微電子學院博士研究生張昊宸為論文共同第一作者，我校特任副研究員雒超和特任教授孫海定為論文共同通訊作者，本項目還得到了郭國平教授，金西教授、裴軼博士的大力支持和指導。此外，該工作得到了科技創(chuàng)新2030重大項目、國家重點研發(fā)計劃、國家自然科學基金委的資助。本項目的器件制備和MMIC流片獲得了蘇州能訊半導體公司的大力支持和協(xié)助。