Design of an SiC All-MOSFET Voltage Reference Using Neural Network Modeling

Dieses Kapitel geht auf die entscheidende Notwendigkeit elektronischer Systeme ein, die in extremen Umgebungen mit hohen Temperaturen arbeiten können, und beleuchtet die Grenzen konventioneller Halbleiter auf Siliziumbasis. Es führt Siliziumkarbid (SiC) als überlegenes Material für Hochtemperatur-integrierte Schaltkreise ein und beschreibt seine vorteilhaften Eigenschaften wie eine große Bandlücke, hohe Wärmeleitfähigkeit und eine hohe kritische Durchschlagsfeldstärke. Der Text untersucht die Herausforderungen bei der Modellierung von SiC-MOSFETs, insbesondere die parametrischen Drifts bei erhöhten Temperaturen, die die Schaltungsleistung beeinträchtigen können. Um diesen Herausforderungen zu begegnen, schlägt die Studie eine Methode zur Modellierung künstlicher neuronaler Netzwerke (ANN) vor, die eine hochpräzise SPICE-Modellierung von Raumtemperatur bis 500 ° C ermöglicht. Das Kapitel beschreibt den Herstellungsprozess von SiC-MOSFETs, einschließlich der wichtigsten Prozessparameter und des Versuchsaufbaus für Messungen. Es skizziert auch den Aufbau der ANN-Modellierung, einschließlich Datenvorverarbeitung, Netzwerkarchitektur und Evaluierungsmetriken, die eine außergewöhnliche Vorhersagekraft aufweisen. Aufbauend auf diesem hochpräzisen ANN-Modell entwickelt die Studie eine neuartige, vollständig MOSFET-SiC-Referenzschaltung, die für niedrige Temperaturkoeffizienten der Ausgangsspannung ausgelegt ist. Das Kapitel schließt mit einer Diskussion über die Schaltungsstrategie, Simulationsergebnisse und die möglichen Anwendungen dieser Technologie in Hochtemperatur-System-on-Chip-Implementierungen.