[发明专利]一种双场板AlGaN/GaN HEMT器件的击穿电压预测方法

说明书

本发明涉及微电子器件技术领域，具体涉及一种双场板AlGaN/GaN HEMT器件的击穿电压预测方法。本发明基于神经网络，对双场板HEMT器件中栅、源场板结构与击穿电压之间的非线性关系进行学习，从而能快速且精准地预测出双场板HEMT器件的击穿电压，避免了传统TCAD仿真方法计算量大、耗时且难以收敛的缺点。

技术领域

本发明涉及微电子器件技术领域，具体涉及一种双场板AlGaN/GaN HEMT器件的击穿电压预测方法。

背景技术

AlGaN/GaN HEMT器件继承了GaN材料的优良特性，是高频、大功率器件方面的研究重点。其中场板结构的提出为HEMT器件的击穿特性方面带来了很大的提升，且有效的抑制了电流崩塌效应，为AlGaN/GaN HEMT器件带来进一步的发展。在对场板结构进行设计的过程中，传统方法通常是基于TCAD工具的仿真，通过对HEMT器件沿沟道的电场强度分布以及漏电情况等进行分析，从而对原有的结构进行改进以及设计新型器件结构。然而在使用TCAD软件进行仿真时，往往会遇到计算量大、耗时、难以收敛等问题，阻碍了HEMT器件的快速发展。

近年来，神经网络越来越受到人们的关注，神经网络通过模拟生物神经网络的结构和功能，可对任意未知函数进行估计和近似，因而在处理非线性关系方面具有很大的优势。而对于双场板结构的AlGaN/GaN HEMT器件，其场板的结构与击穿电压之间的关系便是一个非线性系统，可使用神经网络进行研究。

发明内容

针对现有技术中存在的问题，本发明的目的在于提出一种双场板AlGaN/GaN HEMT器件的击穿电压预测方法。

为了达到上述目的，本发明采用以下技术方案予以实现。

一种双场板AlGaN/GaN HEMT器件的击穿电压预测方法，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。

与现有技术相比，本发明的有益效果为：基于神经网络，对双场板HEMT器件中栅、源场板结构与击穿电压之间的非线性关系进行学习，从而能快速且精准地预测出双场板HEMT器件的击穿电压，避免了传统TCAD仿真方法计算量大、耗时且难以收敛的缺点。

附图说明

下面结合附图和具体实施例对本发明做进一步详细说明。

图1是本发明的流程示意图；

图2是本发明实施例的双场板AlGaN/GaN HEMT器件的结构示意图；

图3是神经网络预测模型的结构示意图；