用于碳化硅功率 MOSFET 器件三级高级逆建模的深度学习算法

基于深度学习算法的逆建模涉及训练深度架构，以从器件静态特性预测器件参数。逆器件建模适用于重构暂时退化器件的漂移物理参数或恢复物理配置。有许多变量会影响逆建模方法的性能。本工作中，作者提出了一种深度学习方法来训练以恢复碳化硅功率 MOSFET（SiC Power MOS）三级模型的物理参数。SiC 器件用于传统硅器件因高温或高开关能力而失效的应用中。SiC 功率器件的关键应用在于汽车领域（即电动汽车领域）。由于物理退化或高应力环境，SiC 功率 MOS 表现出显著的物理参数漂移，可通过逆建模进行监测。本工作的目标是提供一种可能的基于深度学习的解决方案，用于恢复 SiC 功率 MOSFET 的物理参数。报告了基于恢复器件沟道长度的初步结果。功率 MOSFET 的沟道长度是涉及器件静态和动态行为的关键参数。本工作报道的实验结果证实了所设计的用于恢复该参数的多层感知机的有效性。