PINNs方法求解半导体漂移-扩散方程并支持逆向建模

2026年10月27日，arXiv平台发布的一篇机器学习（cs.lg）领域研究论文，系统展示了利用物理信息神经网络（PINNs）求解半导体漂移-扩散方程的完整技术路径。该研究以一维和二维突变PN结为核心建模对象，重点处理了欧姆接触处极端载流子浓度梯度与掺杂分布突变这一关键物理难题。 研究结果显示，基于PINNs的数值解与使用传统半导体模拟软件得出的结果误差水平相当，表明该方法在精度上已具备替代传统工具的能力。更重要的是，该技术框架不仅适用于正向器件建模，还能在非平衡条件下有效解决逆向设计问题，为通过性能指标反推器件参数提供了新途径。 该成果确立了PINNs在半导体器件建模中的应用范式，为微电子领域的正向设计分析与逆向优化发现提供了一种新型的计算工具，预计将推动半导体器件研发效率与探索深度的提升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。