XiaoMi-AI文件搜索系统
World File Search System场板
GaN HEMT 器件的 AI 辅助场板设计
摘要 GaN HEMT 在高功率和高频电子器件中起着至关重要的作用。在不影响可靠性的情况下满足这些器件的苛刻性能要求是一项具有挑战性的工作。场板用于重新分配电场，最大限度地降低器件故障风险，尤其是在高压操作中。虽然机器学习已经应用于 GaN 器件设计，但它在以几何复杂性而闻名的场板结构中的应用是有限的。本研究介绍了一种简化场板设计流程的新方法。它将复杂的 2D 场板 2 结构转换为简洁的特征空间，从而降低了数据要求。提出了一种机器学习辅助设计框架来优化场板结构并执行逆向设计。这种方法并不局限于 GaN HEMT 的设计，可以扩展到具有场板结构的各种半导体器件。该框架结合了计算机辅助设计 (TCAD)、机器学习和优化技术，简化了设计流程。
采用顺序磷掺杂硅的沟槽场板功率 MOSFET 工艺优化
图 7 显示了 (A) 磷扩散和 (B) 无退火顺序掺杂的 (1) 横截面 TEM 图像和 (2) EDX 磷映射图像。在磷扩散以及退火顺序掺杂（未显示）中，硅变成多晶（图 7(A-1)），其中多晶粒加剧了干蚀刻变化。另一方面，对于无退火顺序掺杂（图 7(B-1)），硅保持非晶态，这改善了干蚀刻变化。EDX 的结果使硅差异与磷原子位置的差异相一致（图 7(A-2) 和图 7(B-2)）。从干蚀刻工艺变化的角度来看，对于硅场板电极而言，无活化退火顺序掺杂更胜一筹。