IEEE国际电子器件会议（IEDM）是电子器件领域的全球顶级学术会议，被誉为该领域的“奥林匹克盛会”，2025年IEDM大会于近日召开，本届大会的主题为“100 YEARS of FETs: SHAPING the FUTURE of DEVICE INNOVATIONS”。
中国科学院上海微系统所程新红研究员、郑理研究员课题组在宽禁带半导体功率器件领域取得重要突破，提出了一种基于物理信息图神经网络的统一电热建模框架（A Unified Deep Learning-Accelerated Electro-Thermal Modeling Framework for Wide-Bandgap Power Devices），实现了对宽禁带半导体功率器件在多尺度、多结构、多偏压条件下的高效、精准建模。该研究成果在IEDM 2025报道。博士生张程为本论文第一作者，郑理研究员、程新红研究员为论文通讯作者。
宽禁带半导体器件因其高频率、高效率等优势，在新能源汽车、工业控制、轨道交通等领域具有广阔应用前景。然而，其高功率密度带来的热积累问题严重制约了器件的可靠性与寿命。传统电热仿真方法计算成本高、收敛困难，难以支撑快速迭代的设计需求。
本工作中，上海微系统所研究团队创新性地将偏微分方程嵌入图神经网络中，构建了具有物理约束的深度学习模型（PIGNN），实现了对器件电热行为的快速预测。该模型在保持高精度的同时，仿真速度较传统有限元方法提升超过5000倍，并具备良好的泛化能力，可适应不同结构、材料与偏置条件。
图1 (a) 统一电热建模与优化框架；(b) 编码-处理-解码核心架构
此外，该框架还成功应用于“器件结构自动优化”与“SPICE参数全局提取”。以高压GaN器件的场限环设计为例，模型通过迭代优化结构参数，实现了击穿电压2000V的高性能设计；同时，对SiC MOSFET和GaN HEMT的SPICE参数提取也展现出优异的全局收敛性与温度适应性。
图2 功率器件短路多尺度电热模拟
该研究为推动功率器件“设计-仿真-建模”全流程智能化提供了新思路，有望显著缩短研发周期，提升器件可靠性，具有重要的科学与工程应用价值。该工作得到了国家重点研发计划以及集成电路材料全国重点实验室自主课题等项目支持。
