[发明专利]一种双场板AlGaN/GaN HEMT器件的击穿电压预测方法

权利要求书

1.一种双场板AlGaN/GaN HEMT器件的击穿电压预测方法，其特征在于，包括以下步骤：

步骤1，使用TCAD软件构建双场板AlGaN/GaN HEMT器件，多次分别改变双场板AlGaN/GaN HEMT器件的栅场板厚度T_G、源场板厚度T_S、栅场板长度L_GFP及源场板长度L_SFP，并获得对应的双场板AlGaN/GaN HEMT器件的击穿电压；将栅场板厚度T_G、源场板厚度T_S、栅场板长度L_GFP、源场板长度L_SFP及对应的击穿电压作为一组样本，将所有样本作为样本集；

步骤2，将样本集划分为训练集、验证集和测试集，并对训练集、验证集和测试集的数据进行预处理；

步骤3，构建神经网络预测模型；

步骤4，使用预处理后的训练集和验证集数据对神经网络预测模型进行训练和验证，获得训练完成的神经网络预测模型；

步骤5，将预处理后的测试集数据输入训练完成的神经网络预测模型，获得击穿特性的预测结果；使用平均绝对百分误差MAPE作为评价指标，对测试集的预测结果进行评价来确定最终的神经网络预测模型；

步骤6，使用最终的神经网络预测模型预测双场板AlGaN/GaN HEMT器件的击穿电压。

2.根据权利要求1所述的双场板AlGaN/GaN HEMT器件的击穿电压预测方法，其特征在于，步骤2中的预处理，具体的，为对栅场板厚度T_G、源场板厚度T_S、栅场板长度L_GFP和源场板长度L_SFP进行标准化处理，对击穿电压进行归一化处理。

3.根据权利要求1所述的双场板AlGaN/GaN HEMT器件的击穿电压预测方法，其特征在于，步骤3中的神经网络预测模型，具体的，神经网络预测模型的输入为栅场板厚度T_G、源场板厚度T_S、栅场板长度L_GFP和源场板长度L_SFP，神经网络预测模型的输出为预测的击穿电压；

神经网络预测模型包含依次连接的输入层、多个隐藏层和输出层；其中，每个隐藏层包含若干个神经元，每个隐藏层后都有一层激活函数。

4.根据权利要求1所述的双场板AlGaN/GaN HEMT器件的击穿电压预测方法，其特征在于，步骤4的子步骤为：

子步骤4.1，将训练集的栅场板厚度T_G、源场板厚度T_S、栅场板长度L_GFP和源场板长度L_SFP输入神经网络预测模型，将训练集中对应的击穿电压作为神经网络的标签，计算每次训练的损失函数；

子步骤4.2，根据计算得到的误差反向传播更新预测模型网络的权重和偏置，采用Adam优化器优化网络参数；

子步骤4.3，将验证集数据输入训练后的神经网络预测模型，若在设定迭代次数内误差没有降低则停止训练，得到训练完成的预测模型。

5.根据权利要求4所述的双场板AlGaN/GaN HEMT器件的击穿电压预测方法，其特征在于，子步骤4.1中的损失函数，具体的，损失函数的计算公式如下：

其中，n是训练样本集中的样本个数，y_i为预测值，为标签。

6.根据权利要求1所述的双场板AlGaN/GaN HEMT器件的击穿电压预测方法，其特征在于，步骤5中的平均绝对百分误差MAPE，具体的，平均绝对百分误差MAPE的计算公式如下：

其中，n是训练样本集中的样本个数，y_i为预测值，为标签。