【儀表網 研發快訊】近日，南京理工大學微電子學院(集成電路學院)教師王酉楊以第一作者身份在功率半導體領域國際頂級期刊《IEEE Transactions on Power Electronics》發表了題為“ANN-assisted Switching Loss Prediction for SiC MOSFET Power Module”的研究成果。該成果與北京昕感科技 (集團) 有限公司副總經理李道會博士帶領的研發團隊聯合完成，微電子學院顧文華教授為論文通訊作者，南京理工大學為論文第一完成單位。
《IEEE Transactions on Power Electronics》是電氣電子工程師學會(IEEE)旗下電力電子領域的旗艦期刊，主要刊發功率半導體、電力電子變換技術等方向的高水平研究成果，影響因子6.7，位列中科院一區TOP期刊，在全球電力電子學界和工業界具有重要學術影響力，是該領域創新成果的核心發布平臺。
碳化硅(SiC)MOSFET 功率模塊是新能源汽車、光伏發電等設備的核心器件，其開關損耗的精準預測是器件設計與性能優化中的關鍵問題。然而，傳統開關損耗預測方法往往依賴復雜物理參數導致建模周期長，或因忽略制造波動導致誤差過大，難以平衡建模復雜度與預測精度，從而影響了功率模塊的研發效率與量產可靠性。
針對這一問題，聯合研究團隊提出了一種基于多層反向傳播人工神經網絡(ANN)的開關損耗預測新方法。該方法利用 SiC MOSFET 的靜態參數(如閾值電壓、漏電流、導通電阻等)與開關損耗之間的回歸關系，無需復雜物理建?；騾堤崛。瑑H通過測試數據或數據手冊中的靜態參數即可直接實現開關損耗的快速精準預測。在1200V SiC MOSFET功率模塊數據集上的實驗結果表明，該方法能夠取得最低1.13%的平均絕對百分比誤差(MAPE)，最大誤差不超過7.43%，單模塊平均預測時間僅4.95毫秒，優于其他對比方法。此外，該模型在NVIDIA Jetson系列嵌入式平臺上部署后性能無衰減，具備實際應用價值，為功率模塊的熱設計優化與批量質量篩查提供了一種新的解決方案。
該成果同時也是江蘇省“雙高協同”框架下產學研深度融合的典型產出，契合“優勢學科+優勢產業”的協同發展理念。南京理工大學團隊在微納電子器件與人工智能算法融合方面的學術積累，與北京昕感科技在功率半導體產業化領域的工程經驗形成互補，為研究提供了理論支撐與真實場景數據。目前，雙方正以此次合作為基礎，推進“功率半導體技術聯合實驗室”建設，后續將圍繞相關技術方向開展持續性攻關。
除該成果外，團隊近期也在功率半導體器件的新結構與新機理方面開展了一系列研究，相關成果接連發表于高質量國際期刊《IEEE Transactions on Electron Devices》和《Journal of Physics D: Applied Physics》。系列成果的集中產出，展現了團隊在功率半導體領域的系統性研究能力。未來，團隊將繼續深化校企合作，以聯合實驗室建設為契機，持續攻克功率半導體領域關鍵技術，為新能源、智能機器人等戰略性新興產業的發展貢獻南理工力量。
以上研究得到了國家自然科學基金、江蘇省重點研發計劃、江蘇省基礎研究專項資金(自然科學基金)和中央高?；究蒲袠I務費的資助。
原標題:《功率半導體領域國際頂級期刊發表微電子學院(集成電路學院)教師王酉楊最新研究成果 》
所有評論僅代表網友意見，與本站立場無關。