氮化镓是第三代先进半导体材料,兼具宽禁带、高热容量、高热传导系数、低电阻率、高电子迁移率等特性。半导体工艺制程的终极目标是芯片设计,而好的集约模型则是芯片设计和半导体工艺之间的桥梁。本论文聚焦于射频高功率氮化镓基晶体管集约建模研究,主要的创新工作可以概括如下:1.基于优化算法的氮化镓小信号等效电路参数提取方法:提出了内部Y参数和外部Y参数误差损失函数。传统优化方法一般使用本征参数对频率的方差作为参考误差,缺陷是受测试不确定性和噪声的影响很大,而本论文提出的内部和外部Y参数误差函数有效地解决了这个问题。另外使用外部Y参数作为误差参考面是根据π型网络结构所设计的,相比于传统的S参数误差,其计算损失函数时更加高效。论文还创新性地使用人工智能蜂群算法作为优化算子,为保证结果具有物理意义,利用校准结构件和零偏置场效应管提取法为参数提供上下边界。这一方法的优点在于,当物理提取法失效或者等效电路发生改变时,该方法也可以继续使用,是现有寄生参数提取方法的一个重要补充。2.基于降维技术的半导体器件大信号经验模型:该模型方法的核心把经验公式和泰勒级数进行了有机地融合,强非线性的维度用传统的经验公式来表征,而对于高维函数的弱非线性维度则使用泰勒级数进行展开。比如,对于氮化镓电流源的端口电压维度用经验公式表征,而陷阱和自热的维度则用泰勒级数来表达,最终的模型是一个完全解析的公式,仿真的收敛性以及模型的外插得到了保证。论文给出了严谨的理论,并且提供详细的一步一步的操作,可以实现程序全自动化提取。这种降维方法属于一般性的数学方法,适用于各种半导体器件的建模,我们使用了三个不同工艺的氮化镓晶体管的建模作为例子。为了进一步验证其一般性,还额外对一个LDMOS进行了建模。该方法曾经被是德科技(Keysight)邀约集成到商业建模软件IC-CAP中,具有较好的学术和商业价值。3.基于全连接人工神经网络技术的氮化镓晶体管大信号模型:该模型融合了动态的陷阱和自热效应,模型主要内容为电流源和电荷源两大部分。我们对氮化镓器件的陷阱导致的滞后效应进行了深入分析,甄别出了脉冲电流中的陷阱状态量,并且提出了三个子电路来模拟陷阱中心对电子的捕捉、发射,以及热扩散动态过程,这三个子电路和全连接神经网络构成了完整的电流源模型。还提出了一种积分神经网络,该网络能够直接由非线性电容训练得到电荷,并且把电热效应融入到了模型中,相比传统的非线性电容模型,电荷模型极大地改善了模型的收敛性和鲁棒性,提高了大型电路仿真的速度。最后展示了能讯半导体提供的氮化镓器件建模案例,融入了陷阱和电热效应后,模型能够准确预测静态电流、S参数和射频功率特性,验证了该模型的有效性和准确性。4.基于降维神经网络技术的半导体器件大信号模型:提出一种降维神经网络架构,该架构把泰勒级数融合到全连接神经网络中。该方法对高维映射函数的某些强非线性维度(如端口电压)使用神经网络表征,而其他的维度(如陷阱、温度)则用泰勒级数来表征。这种混合架构能够极大地减少网络训练所需的数据量,比如两个数据点用神经网路训练肯定过拟合,但是使用线性回归(一阶泰勒展开)却能得到鲁棒性很高的模型。该方法能够把一个高维度的神经网络用为几个低维度的神经网络的线性组合来逼近,与降维经验模型的思想非常类似。我们采用能讯公司提供的氮化镓晶体管对降维神经网络技术进行验证,结果表明,该方法仅使用较少的建模数据,便可以准确捕捉氮化镓器件的陷阱和温度效应,且避免了过拟合现象。为了验证该技术的通用性,我们还给出了华虹提供的LDMOS器件热建模案例。降维神经网络框架具有数学意义上的普适性,将来可以用于各种类型的半导体器件甚至是系统级别的建模。