氮化镓高电子迁移率晶体管（GaN HEMT）具有高击穿电压、高功率密度和高频工作能力，在无线通信、射频功率器件及航空航天等领域具有重要应用。传统GaN HEMT结构设计主要依赖TCAD仿真和参数扫描，为获得满足特定截止频率和最大振荡频率要求的器件结构，往往需要在多维参数空间中进行大量重复仿真，设计周期长、计算成本高。因此，发展面向目标性能的快速智能逆向设计方法具有重要意义。
近期，中国科学院半导体研究所人工智能与高速电路实验室宁欣研究员团队在GaN HEMT器件智能逆向设计方面取得新进展。针对GaN HEMT器件性能到结构参数存在“一对多”映射、直接逆向回归训练不稳定的问题，团队提出了一种基于自编码器的TCAD增强逆向设计方法。首先利用Silvaco TCAD建立器件结构与截止频率、最大振荡频率之间的数据集，并训练结构到性能的前向预测模型；随后冻结前向模型，将逆向设计网络与其级联，通过目标频率与重建频率之间的误差训练逆向网络。同时引入结构参数可行域约束，使生成结果保持在合理的器件设计范围内，从而提高逆向设计的稳定性和物理可实现性。实验表明，该方法能够根据给定的截止频率、最大振荡频率快速生成满足目标性能的GaN HEMT结构。其中，截止频率、最大振荡频率4S的平均相对误差分别为2.64%和2.77%，优于GAN网络逆向设计基线的6.76%和3.78%。完成离线训练后，模型生成单组候选器件结构仅需数毫秒，显著降低了传统TCAD高维参数扫描的计算开销，为GaN HEMT器件的快速目标驱动设计提供了新的技术路径。
相关成果以 “Autoencoder: An efficient inverse design method for gallium nitride high electron mobility transistor structures” 为题，发表于《Engineering Applications of Artificial Intelligence》。中国科学院半导体研究所庞岩、郝美兰为共同第一作者，于丽娜高级工程师为共同通讯作者。该研究得到中国科学院稳定支持基础研究领域青年团队计划（YSBR-090）等资助。
图1｜GaN HEMT基于自编码器的逆向设计流程图
图2｜逆向设计目标频率与TCAD验证结果对比
