近日，南京理工大学微电子学院（集成电路学院）教师王酉杨以第一作者身份在功率半导体领域国际顶级期刊《IEEE Transactions on Power Electronics》发表了题为“ANN-assisted Switching Loss Prediction for SiC MOSFET Power Module”的研究成果。

该成果与#北京昕感科技 (集团) 有限公司副总经理李道会博士带领的研发团队联合完成，微电子学院顾文华教授为论文通讯作者，南京理工大学为论文第一完成单位。

图片来源：南京理工大学微电子学院

碳化硅（SiC）MOSFET功率模块是新能源汽车、光伏发电等设备的核心器件，其开关损耗的精准预测是器件设计与性能优化中的关键问题。然而，传统开关损耗预测方法往往依赖复杂物理参数导致建模周期长，或因忽略制造波动导致误差过大，难以平衡建模复杂度与预测精度，从而影响了功率模块的研发效率与量产可靠性。

针对这一问题，联合研究团队提出了一种基于多层反向传播人工神经网络（ANN）的开关损耗预测新方法。该方法利用SiC MOSFET的静态参数（如阈值电压、漏电流、导通电阻等）与开关损耗之间的回归关系，无需复杂物理建模或参数提取，仅通过测试数据或数据手册中的静态参数即可直接实现开关损耗的快速精准预测。

在1200V SiC MOSFET功率模块数据集上的实验结果表明，该方法能够取得最低1.13%的平均绝对百分比误差（MAPE），最大误差不超过7.43%，单模块平均预测时间仅4.95毫秒，优于其他对比方法。此外，该模型在NVIDIA Jetson系列嵌入式平台上部署后性能无衰减，具备实际应用价值，为功率模块的热设计优化与批量质量筛查提供了一种新的解决方案。

该成果同时也是江苏省“双高协同”框架下产学研深度融合的典型产出，契合“优势学科+优势产业”的协同发展理念。南京理工大学团队在微纳电子器件与人工智能算法融合方面的学术积累，与北京昕感科技在功率半导体产业化领域的工程经验形成互补，为研究提供了理论支撑与真实场景数据。目前，双方正以此次合作为基础，推进“功率半导体技术联合实验室”建设，后续将围绕相关技术方向开展持续性攻关。

除该成果外，团队近期也在功率半导体器件的新结构与新机理方面开展了一系列研究，相关成果接连发表于高质量国际期刊《IEEE Transactions on Electron Devices》和《Journal of Physics D: Applied Physics》。系列成果的集中产出，展现了团队在功率半导体领域的系统性研究能力。未来，团队将继续深化校企合作，以联合实验室建设为契机，持续攻克功率半导体领域关键技术，为新能源、智能机器人等战略性新兴产业的发展贡献南理工力量。

（文/集邦化合物半导体整理）

<<<欢迎评论区留言或者私信，获取更多化合物半导体相关内容