近日，南京理工大學微電子學院（集成電路學院）教師王酉楊以第一作者身份在功率半導體領域國際頂級期刊《IEEE Transactions on Power Electronics》發(fā)表了題為“ANN-assisted Switching Loss Prediction for SiC MOSFET Power Module”的研究成果。
該成果與#北京昕感科技 (集團) 有限公司副總經(jīng)理李道會博士帶領的研發(fā)團隊聯(lián)合完成，微電子學院顧文華教授為論文通訊作者，南京理工大學為論文第一完成單位。
圖片來源：南京理工大學微電子學院
碳化硅（SiC）MOSFET功率模塊是新能源汽車、光伏發(fā)電等設備的核心器件，其開關損耗的精準預測是器件設計與性能優(yōu)化中的關鍵問題。然而，傳統(tǒng)開關損耗預測方法往往依賴復雜物理參數(shù)導致建模周期長，或因忽略制造波動導致誤差過大，難以平衡建模復雜度與預測精度，從而影響了功率模塊的研發(fā)效率與量產(chǎn)可靠性。
針對這一問題，聯(lián)合研究團隊提出了一種基于多層反向傳播人工神經(jīng)網(wǎng)絡（ANN）的開關損耗預測新方法。該方法利用SiC MOSFET的靜態(tài)參數(shù)（如閾值電壓、漏電流、導通電阻等）與開關損耗之間的回歸關系，無需復雜物理建模或參數(shù)提取，僅通過測試數(shù)據(jù)或數(shù)據(jù)手冊中的靜態(tài)參數(shù)即可直接實現(xiàn)開關損耗的快速精準預測。
在1200V SiC MOSFET功率模塊數(shù)據(jù)集上的實驗結果表明，該方法能夠取得最低1.13%的平均絕對百分比誤差（MAPE），最大誤差不超過7.43%，單模塊平均預測時間僅4.95毫秒，優(yōu)于其他對比方法。此外，該模型在NVIDIA Jetson系列嵌入式平臺上部署后性能無衰減，具備實際應用價值，為功率模塊的熱設計優(yōu)化與批量質(zhì)量篩查提供了一種新的解決方案。
圖片來源：南京理工大學微電子學院
該成果同時也是江蘇省“雙高協(xié)同”框架下產(chǎn)學研深度融合的典型產(chǎn)出，契合“優(yōu)勢學科+優(yōu)勢產(chǎn)業(yè)”的協(xié)同發(fā)展理念。南京理工大學團隊在微納電子器件與人工智能算法融合方面的學術積累，與北京昕感科技在功率半導體產(chǎn)業(yè)化領域的工程經(jīng)驗形成互補，為研究提供了理論支撐與真實場景數(shù)據(jù)。目前，雙方正以此次合作為基礎，推進“功率半導體技術聯(lián)合實驗室”建設，后續(xù)將圍繞相關技術方向開展持續(xù)性攻關。
除該成果外，團隊近期也在功率半導體器件的新結構與新機理方面開展了一系列研究，相關成果接連發(fā)表于高質(zhì)量國際期刊《IEEE Transactions on Electron Devices》和《Journal of Physics D: Applied Physics》。系列成果的集中產(chǎn)出，展現(xiàn)了團隊在功率半導體領域的系統(tǒng)性研究能力。未來，團隊將繼續(xù)深化校企合作，以聯(lián)合實驗室建設為契機，持續(xù)攻克功率半導體領域關鍵技術，為新能源、智能機器人等戰(zhàn)略性新興產(chǎn)業(yè)的發(fā)展貢獻南理工力量。
（集邦化合物半導體整理）
更多SiC和GaN的市場資訊，請關注微信公眾賬號：集邦化合物半導體。