Dans le contexte du développement rapide des nouvelles technologies de dispositifs de puissance, il est essentiel de définir et de valider des fenêtres de processus robustes pour les modules de fabrication clés.mais cela prend du temps. Les cycles d'apprentissage expérimentaux traditionnels peuvent allonger considérablement la durée des projets.
Cette présentation met en lumière une approche novatrice qui combine les données de simulation TCAD avec la plateforme d'optimisation bayésienne de pointe de JMP afin de déterminer efficacement le point de fonctionnement optimal pour une nouvelle génération de MOSFET de puissance.minimiser le besoin de longs cycles d'apprentissage sur silicium.
En utilisant un modèle de processus gaussien issu de simulations TCAD et en exploitant l'outil Design Space Profiler de JMP, nous avons exploré en détail les surfaces de réponse dans l'espace des facteurs afin d'identifier les zones de conformité pour tous les paramètres de performance critiques. Cette stratégie fondée sur les données a guidé la conception de la première expérience physique via l'outil Custom Designer de JMP, garantissant ainsi un plan expérimental ciblé et efficace.
À mesure que les données des tests électriques seront disponibles, elles seront intégrées pour affiner et valider le modèle prédictif, améliorant ainsi sa précision et permettant une prise de décision plus rapide et plus intelligente dans le développement de la plateforme technologique.
Ce travail met en lumière l'efficacité de la combinaison de simulations avancées et des analyses flexibles de JMP pour accélérer l'innovation et réduire les risques de développement dans la fabrication de semi-conducteurs.
