高丽大学世宗校区（副校长金荣）智能半导体工程学科研究团队凭借利用人工智能进行半导体设计的研究，荣获英国皇家化学会《材料化学杂志C》(Journal of Materials Chemistry C)封面论文。通过该研究，团队获得了利用人工智能进行半导体器件设计的核心技术，预计将为电子设计自动化产业的转型做出重要贡献。

△从左至右依次为：李旿俊(音)教授（天主教大学人工智能学科）、赵敏善(音)研究员（高丽大学产业技术研究所，第一作者）、郑成燁(音)教授（高丽大学智能半导体工程学科及产业技术研究所，通讯作者）、Marin Franot（下一代融合技术研究院实习研究员，原所属：法国图卢兹INP-ENSEEIHT，合著者）

研究团队由△郑成燁(音)教授（高丽大学智能半导体工程学科及产业技术研究所，通讯作者） △赵敏善(音)研究员（高丽大学产业技术研究所，第一作者） △李旿俊(音)教授（天主教大学人工智能学科，合著者） △Marin Franot（下一代融合技术研究院实习研究员，原所属：法国图卢兹INP-ENSEEIHT，合著者）组成。

本研究利用人工神经网络和人工智能来模拟有机半导体基础的场效应晶体管（Field-Effect Transistor）的电气特性。原创基于公式的半导体紧凑模型通过计算机代码和公式嵌入到电路设计软件中，用于预测和评估器件与电路的工作表现。

原创基于新材料和新结构的半导体器件电气特性精确、简洁且物理上严谨的紧凑模型开发需要耗费大量的时间和成本。为了克服这一限制，研究团队通过人工神经网络和迁移学习，严格反映半导体器件的物理工作机制，并在短时间内开发出能够准确预测电气特性的模型。

论文的第一作者赵敏善(音)研究员（高丽大学产业技术研究所）介绍道：“通过利用人工神经网络的函数逼近能力和深度学习，我们能够比传统的公式基础晶体管建模方法更准确、更快速地构建模型。”并指出，“特别是，我们展示了可以准确且高效地预测电荷迁移率随着温度、电场和电荷浓度非线性变化的非晶半导体的电气特性。”

通讯作者郑成燁(音)教授（高丽大学智能半导体工程学科）表示：“本研究提出了一种新的方法，利用人工智能学习半导体电荷迁移物理，并基于此精确预测器件特性。这一方法可以应用于电荷迁移特性相似的氧化物半导体基础的下一代DRAM访问晶体管或用于人工突触的阻变存储器器件建模。”

共同研究者李旿俊(音)教授（天主教大学人工智能学科）举例说明了今年人工智能的基础技术研究和应用于蛋白质结构预测的研究分别获得诺贝尔物理学奖和化学奖的案例，并表示：“预计未来在半导体领域，人工智能应用研究将更加活跃。”

△《材料化学杂志C》封面论文

另外，本研究在‘下一代智能半导体技术开发（器件）项目（任务编号NRF-2022M3F3A2A01076569）’，以及‘基础研究领域的科学基金项目（NRF-2021R1F1A1064384 和NRF-2022R1F1A1065516）’的支持下进行。（论文题目：‘基于迁移学习的有机FETs高斯失调神经紧凑模型’ ‘A neural compact model based on transfer learning for organic FETs with Gaussian disorder’）

 

高丽大学世宗校区宣传集资部

翻译：崔耶恩