GaN 器件的物理约束与稀疏建模

SparseMind 与 MRDI 研究用于 GaN 器件仿真的稀疏代理模型。项目面向 GaN HEMT 与 PIN 二极管，以物理信息神经网络（PINNs）为基础，将物理约束与参考数据纳入训练。

方法

双方将对齐器件几何、工作条件和 TCAD 参考数据，建立训练与评估基线，再引入稀疏学习，评估模型的准确性、鲁棒性和计算需求。TCAD 用于生成参考数据和验证结果。

验收目标

项目目标包括阈值电压误差低于 3%、动态导通电阻误差低于 5%、峰值结温平均绝对误差低于 3°C。在满足电压和电阻误差约束时，模型以至少 60% 稀疏率为目标，并探索至少 80%的挑战目标。

团队将按照规定工况与 TCAD 参考结果比较，验证上述指标，并测量工作流中的计算需求。

后续工作

项目以 1.5–2× 加速和毫秒级代理预测为研发方向。精度、稀疏率、速度和时延均需在目标设备、数据和工作负载下验证。后续还将研究量化与稀疏结构的组合。