Nel rapido sviluppo di nuove tecnologie per dispositivi di potenza, definire e convalidare finestre di processo robuste per i moduli di produzione chiave è fondamentale –ma richiede molto tempo. I cicli di apprendimento sperimentale tradizionali possono allungare significativamente i tempi di realizzazione dei progetti.
Questa presentazione illustra un approccio innovativo che combina i dati di simulazione TCAD con la piattaforma di ottimizzazione bayesiana all'avanguardia di JMP per individuare in modo efficiente il punto di lavoro ottimale per una nuova generazione di MOSFET di potenza.riducendo al minimo la necessità di lunghi cicli di apprendimento su silicio.
Utilizzando un modello di processo gaussiano derivato da simulazioni TCAD e avvalendoci del Design Space Profiler di JMP, abbiamo esplorato a fondo le superfici di risposta nello spazio dei fattori per identificare le regioni conformi alle specifiche per tutti i parametri prestazionali critici. Questa strategia basata sui dati ha guidato la progettazione del primo esperimento fisico tramite il Custom Designer di JMP, garantendo un piano sperimentale mirato ed efficiente.
Man mano che saranno disponibili i dati dei test elettrici, questi verranno integrati per perfezionare e convalidare il modello predittivo, migliorandone la precisione e consentendo un processo decisionale più rapido e intelligente nello sviluppo delle piattaforme tecnologiche.
Questo lavoro evidenzia la potenza della combinazione di simulazioni avanzate con le analisi flessibili di JMP per accelerare l'innovazione e ridurre il rischio di sviluppo nella produzione di semiconduttori.
