一种面向功率半导体器件的大小模型协同智能设计方法

摘要: 本发明涉及人工智能辅助半导体器件设计,特别是一种面向功率半导体器件的大小模型协同智能设计方法。背景技术:1、功率半导体器件广泛应用于新能源汽车、电力电子系统、工...
一种面向功率半导体器件的大小模型协同智能设计方法

本发明涉及人工智能辅助半导体器件设计,特别是一种面向功率半导体器件的大小模型协同智能设计方法。

背景技术:

1、功率半导体器件广泛应用于新能源汽车、电力电子系统、工业控制及新能源发电等领域。随着器件性能要求不断提高,设计人员需要在耐压、导通电阻、开关特性及可靠性等多个指标之间进行综合优化,因此器件设计过程通常涉及复杂的参数配置与性能分析。

2、目前,功率半导体器件设计主要依赖经验设计、理论计算以及tcad仿真等方法完成。虽然部分研究利用机器学习模型实现器件性能预测或参数优化,但现有方法大多针对单一器件或单一任务建立专用模型,缺乏对用户设计需求的自动理解能力,也难以根据不同设计任务自动选择合适的器件模型完成设计。此外,对于模型生成的器件结构参数,其物理合理性、工程可行性及工艺实现性通常仍需依赖具有丰富经验的专业设计人员进行分析和判断,不仅对设计人员专业水平要求较高,而且评价过程主观性较强,难以实现自动化设计闭环。

3、随着大语言模型技术的发展,其在自然语言理解和知识推理方面表现出较强能力。然而,现有大语言模型缺乏专业器件设计能力,而现有器件模型又缺乏任务理解、知识推理及设计结果评价能力,难以实现面向功率半导体器件的智能化设计。因此,亟需一种融合大语言模型与器件设计模型的协同设计方法,实现自然语言驱动的器件智能设计与优化,并能够结合领域知识对设计结果进行自动合理性评价,提高功率半导体器件设计效率和设计质量。

技术实现思路

1、本发明要解决的技术问题是针对上述现有技术的不足,而提供一种面向功率半导体器件的大小模型协同智能设计方法,该面向功率半导体器件的大小模型协同智能设计方法能实现自然语言驱动的器件性能预测与结构设计,提高器件设计效率和设计结果合理性。

2、为解决上述技术问题,本发明采用的技术方案是:

3、一种面向功率半导体器件的大小模型协同智能设计方法,包括包括以下步骤。

4、s1、建立功率半导体的器件模型库和领域知识库;器件模型库包括不同类型功率半导体器件的性能预测模型和结构设计模型;领域知识库包括不同类型功率半导体器件的器件结构知识、性能参数知识和工程设计案例。

5、s2、接收并解析用户专业需求,生成包括目标器件类型和任务类型的用户需求索引。

6、s3、当任务类型是性能预测任务时,调用与目标器件类型相同的性能预测模型,并根据用户输入的目标结构参数预测对应性能参数。

7、当任务类型是结构设计任务时,调用与目标器件类型相同的结构设计模型,并根据用户输入的目标性能参数生成候选结构参数。

8、s4、从领域知识库中检索与候选结构参数相关的领域知识信息。

9、s5、根据领域知识信息,判断候选结构参数是否满足物理约束和工程可行性;若满足,则将候选结构参数作为结构设计任务输出;否则,生成候选解探索因子;其中,候选解探索因子包括结构参数调整方向因子、结构参数调整幅度因子、搜索边界调整因子和参数优化权重调整因子中的至少一种。

10、s6、基于候选解探索因子重新调用s3中的结构设计模型,以生成新的候选结构参数并重复s5至s6,直至满足物理约束和工程可行性。

11、领域知识库还包括器件设计知识关联约束,用于描述功率半导体器件设计过程中结构参数、性能参数、物理约束、工艺条件以及历史设计经验之间的关联约束关系。

12、通过对领域知识库中的器件结构信息、性能参数变化规律、结构参数优化过程及工程经验进行知识抽取与关联建模,建立结构参数与性能参数之间的映射关系、结构参数之间的耦合关系以及结构设计参数与工艺约束之间的限制关系,形成用于候选结构参数物理约束和工程可行性判断的知识约束体系。

13、领域知识库的建立方法,包括如下步骤:

14、获取领域资料,包括功率半导体领域文献资料、技术手册、设计规范和器件设计案例,

15、利用大语言模型对获取领域资料进行知识抽取、知识归纳和结构化整理,构建包含器件类型知识、器件结构知识、性能参数知识和工艺约束知识的文本数据集合。

16、对文本数据集合进行语义切分、特征提取及向量化编码处理,并根据知识内容之间的语义关联关系以及设计约束关系建立知识索引。

17、利用大语言模型对不同类型知识之间的参数关联关系、性能影响关系以及工艺限制关系进行抽取和关联建模,形成器件设计知识关联约束,从而形成支持语义检索和关联查询的功率半导体领域知识库。

18、性能预测模型的输入参数为功率半导体器件的器件类型和结构参数,输出参数为对应功率半导体器件的性能参数预测值,采用不同类型功率半导体器件的器件类型和结构参数进行训练得到输入参数与输出参数之间的映射关系。

19、结构设计模型的输入参数为功率半导体器件的器件类型和性能参数,输出为候选结构参数;采用不同类型功率半导体器件的器件类型和性能参数进行训练得到输入参数与输出参数之间的映射关系。

20、s5中,物理约束包括器件结构设计规则、性能参数关联关系及物理机理约束中的至少一种;工程可行性包括工艺实现条件、制造约束及历史设计经验中的至少一种。

21、s4中,领域知识信息的筛选方法包括:

22、根据大语言模型对候选结构参数、目标器件类型和目标性能参数共同生成检索请求信息;再将检索请求信息输入领域知识库中检索相关领域知识信息。

23、对检索得到的领域知识信息与检索请求信息进行相关性排序和筛选,获得与当前候选结构参数匹配度最高的参考知识集合作为领域知识信息。

24、s4中,检索请求信息输入领域知识库中检索相关领域知识信息的方法,具体内容如下:采用关键词检索与语义检索相结合的混合检索方式,分别利用关键词匹配和向量相似度计算获得检索结果,并对检索结果进行去重融合及重排序,得到参考知识集合。

25、s5中,候选解探索因子的生成方法为:候选解探索因子由大语言模型根据候选结构参数与器件设计知识关联约束之间的偏差关系和目标性能参数偏离程度进行推理生成;候选解探索因子用于将大语言模型基于领域知识得到的评价结果和优化决策转化为结构设计模型可执行的调控信息,并作用于结构设计模型的优化搜索过程,以引导结构设计模型在满足器件物理约束和工程约束的条件下进行定向搜索。

26、候选解探索因子包括搜索边界调整因子和参数优化权重调整因子,并表示为:

27、。

28、其中,表示第i个候选结构参数。

29、表示第i个候选结构参数对应的搜索边界调整因子。

30、表示第i个候选结构参数对应的参数优化权重调整因子。

31、搜索边界调整因子能对结构设计模型中对应候选结构参数的搜索范围进行动态调整,其更新方式如下:

32、。

33、。

34、其中,和分别表示第i个结构参数更新前的搜索下边界和上边界。

35、和分别表示第i个结构参数更新后的搜索下边界和上边界。

36、参数优化权重调整因子能调整不同候选结构参数的搜索优先级,其更新方式如下:

37、;

38、其中,表示第i个候选结构参数调整前的优化权重,表示第i个候选结构参数调整后的优化权重。

39、还包括s7、将s2至s3的性能预测结果和预测过程,以及s2至s6的结构设计结果和设计过程,均存储作为历史数据库,并更新领域知识库。

40、本发明具有如下有益效果:

41、第一,利用大语言模型实现用户自然语言设计需求的自动理解和任务识别,降低功率半导体器件设计的人机交互门槛。

42、第二,通过构建包含多种功率半导体器件模型库,实现不同器件和不同设计任务的统一调用,提高设计系统的通用性和扩展性。

43、第三,引入半导体领域知识库,使设计结果能够满足器件物理规律、工程经验及工艺约束,提高设计结果的合理性和可靠性。

44、第四,实现大语言模型决策能力与器件模型计算能力的协同融合,形成从需求理解、模型选择、结构设计、知识评价到结果优化的完整智能设计流程,实现功率半导体器件仿真与设计的闭环,极大提高功率半导体器件设计效率。