鴻海（2317）30日宣布，鴻海研究院半導體研究所攜手人工智慧研究所，結合鴻揚半導體的製造能力，成功將AI學習模型與強化學習（Reinforcement Learning）技術結合，大幅加速碳化矽功率半導體的研發進程，並取得顯著成果。此次研究成果發表於國際知名期刊《IEEE Open Journal of Power Electronics （OJPEL）》。
鴻海表示，鴻海研究院採用強化學習中的策略優化方法，透過策略梯度技術中的Proximal Policy Optimization （PPO） 演算法和結合策略與價值函數的Actor-Critic （A2C） 架構，探索並優化碳化矽材料的製程參數與元件設計，以提升性能表現。不同於以往傳統由多個參數值來預測結果的手法，而是應用AI進行反向預測。在給訂目標值之後，直接找出對應的設計參數出來，如此一來應用在實務中，可以減少設計人員來回試誤的次數，提升效率。
此技術不僅能模擬和調整複雜的製程參數，還能顯著縮短元件開發時間並降低研發成本，為碳化矽技術在功率半導體領域注入新的動力。例如，針對高壓高功率的碳化矽元件保護環研究，研究團隊針對保護環的關鍵參數，進行製程模擬與元件特性模擬，並將結果輸入AI模型，成功建立了保護環的AI模型。此模型能根據所需的元件特性進行參數回饋，透過精準的數據分析與預測進一步提升碳化矽元件的性能與製程效率，最後透過實際製程進行驗證。此研究成果除了可以進行「設計優化」外，未來更可延伸至「製程改良」和「故障診斷」，擴大應用範圍。
碳化矽功率半導體因其超寬能隙、耐高溫與高壓特性，已成為新能源電動車、智慧電網以及航太電子系統等高功率應用中的關鍵材料。透過強化學習技術優化，鴻海研究院得以精準預測碳化矽元件在不同電壓與溫度下的表現，進一步提升其穩定性與可靠性。這一技術突破不僅推動了碳化矽功率半導體的發展，還將加速其在高端市場中的應用。
留言 0