IT之家 12 月 30 日新闻，鸿海科技团体本日经由过程消息稿发布，鸿海研讨院半导体研讨所、人工智能研讨所胜利将 AI 进修模子与强化进修技巧融会，年夜幅减速碳化硅功率半导体的研发过程。在此次研讨中，鸿海研讨院采取强化进修中的战略优化方式，经由过程战略梯度技巧中的 Proximal Policy Optimization（PPO）算法跟联合战略与代价函数的 Actor-Critic（A2C）架构，摸索并优化碳化硅资料的制程参数与器件计划，以晋升机能表示。据IT之家懂得，差别于传统基于多个参数值停止猜测的伎俩，该研讨利用 AI 停止反向猜测。在设定目的值后，直接找出响应的计划参数，从而在现实利用中增加计划职员的重复实验次数，晋升效力。这一技巧不只可能模仿跟调剂庞杂的工艺参数，还能明显收缩器件开辟时光并下降研发本钱。比方在针对高压高功率碳化硅器件维护环的研讨中，研讨团队对维护环的要害参数停止了工艺模仿跟器件特征模仿，并将成果输入 AI 模子，胜利树立了维护环的 AI 模子。▲ 维护环的制程模仿该模子可能依据所需的器件特征停止参数反应，应用数据剖析与猜测进一步晋升碳化硅器件的机能与工艺效力，终极经由过程现实工艺停止验证。这项研讨结果不只可用于“计划优化”，将来还可扩大至“工艺改良”跟“毛病诊断”，扩展利用范畴（下图为优化后维护环的构造剖面图）。碳化硅功率半导体因其超宽能隙、耐低温跟高压特征，已成为新动力电动车、智能电网以及航天电子体系等高功率利用中的要害资料。告白申明：文内含有的对外跳转链接（包含不限于超链接、二维码、口令等情势），用于通报更多信息，节俭甄选时光，成果仅供参考，IT之家全部文章均包括本申明。 ]article_adlist--> 申明：新浪网独家稿件，未经受权制止转载。 -->