恰訊 〔記者方韋傑／台北報導〕鴻海（2317）持續專注於AI硬體材料與學習模型之間優化整合程度，旗下研究院當中的兩大核心單位攜手轉投資事業鴻揚半導體，已成功將AI學習模型與強化學習（Reinforcement Learning）技術結合，大幅加速碳化矽功率半導體的研發進度，並將成果發表於國際知名期刊《IEEE Open Journal of Power Electronics （OJPEL）》。
鴻海今日針對研究院的最新成果做出說明，此次採用強化學習中的策略優化方法，透過深度強化學習領域廣泛應用的策略梯度方法「PPO」以及結合策略與價值函數的「A2C」架構，探索並優化碳化矽材料的製程參數與元件設計，以提升硬體運行時的性能表現。
鴻海指出，不同於以往傳統由多個參數值來預測結果的手法，此項新研究應用AI進行反向預測。在給定目標值之後，直接找出對應的設計參數，實務應用之中能夠模擬、調整複雜的製程參數，顯著縮短元件開發時間、降低研發成本，減少設計人員來回試誤的次數，提升效率，為碳化矽技術在功率半導體領域注入新的動力。
鴻海提到，針對高壓、高功率的碳化矽元件保護環研究，研究團隊針對保護環的關鍵參數，進行製程模擬與元件特性模擬，並將結果輸入AI軟體，成功建立保護環的AI模型。此模型能根據所需的元件特性進行參數回饋，透過精準的數據分析與預測進一步提升碳化矽元件的性能與製程效率，最後透過實際製程進行驗證，後續除了「設計優化」，更可延伸至「製程改良」和「故障診斷」，擴大應用範圍。
展望未來，鴻海強調，旗下研究院將持續致力於前瞻技術的開發，將AI技術與半導體研發深度結合，創造更多高功率元件的應用可能，並進一步提升台灣在全球半導體領域的競爭力。
瀏覽次數： 0
