鸿海研究院运用 AI 研发碳化硅功率元件，可大幅加速开发进程

GoodNav 12月30日报道，鸿海科技集团今天在新闻稿中透露，鸿海研究院的半导体研究所与人工智能研究所成功融合了AI学习模型和强化学习技术，显著提升了碳化硅功率半导体的研发效率。

在这项研究中，鸿海研究院利用强化学习的策略优化方法，通过策略梯度技术中的Proximal Policy Optimization（PPO）算法以及结合策略与价值函数的Actor-Critic（A2C）架构，深入探索并优化碳化硅材料的加工参数与器件设计，以期提高其性能。

与传统的基于多个参数值做预测的方法不同，该研究通过AI进行反向预测。在设定目标值的情况下，直接识别出相应的设计参数，从而减少设计人员在实际应用中的反复试验，提高工作效率。

这一技术不仅能模拟和调整复杂的工艺参数，还能显著缩短器件开发周期并降低研发成本。例如，在针对高压高功率碳化硅器件的保护环研究中，研究团队对保护环的关键参数进行了工艺和器件特性的模拟，并将结果输入AI模型，成功建立了保护环的AI模型。

该模型能够根据所需的器件特性进行参数反馈，利用数据分析与预测来进一步优化碳化硅器件的性能和工艺效率，最终通过实际工艺进行了验证。这一研究成果不仅适用于“设计优化”，未来还可能扩展到“工艺改进”和“故障诊断”，从而拓宽应用领域（下图为优化后的保护环结构剖面图）。

碳化硅功率半导体因其超宽能隙、耐高温及高压特性，已成为新能源电动车、智能电网和航天电子系统等高功率应用中的关键材料。