【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(luò)算法并應用于射頻功率器件及其電路的設(shè)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(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(guān)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(shè)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(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(lǐng)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(luò)實現(xiàn)機器學習的基礎(chǔ)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(lǐng)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(shù)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(zhuǎn)換系統(tǒng)等尖端應用領(lǐng)域中的關(guān)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(shè)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(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)
 

　　實驗結(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(shè)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(guān)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(nèi)，(a) GaN HEMT直流輸出特性ANN模型預測結(jié)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(jié)果表示為點。
 

　　同時，該工作所設(shè)計的ANN模型具有自適應的網(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(gòu)集成等方面的建模挑戰(zhàn)，實現(xiàn)設(shè)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(shù)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。