基于ANN辅助的GaN HEMT紧凑模型，适用于宽温度范围

《IEEE Transactions on Electron Devices》：ANN-Assisted Compact Model of GaN HEMTs Across Wide Temperature Ranges

温度依赖性GaN HEMT神经网络紧凑模型设计及验证。该模型通过新变换函数预处理漏极电流和本征电容，保持轻量架构的同时实现宽动态范围建模，环境温度作为输入参数，经Verilog-A实现的大信号模型在0.25μm SiC GaN HEMT（6×75μm栅极）上验证，实测25-150℃的dc-IV和S参数数据吻合良好，并在3.6GHz大信号负载牵引实验中可靠预测输出功率、增益和PAE。

　　

摘要：

本文提出了一种基于人工神经网络（ANNs）的氮化镓高电子迁移率晶体管（GaN HEMTs）的温度依赖性紧凑模型。该模型采用了一种新型的、可解析逆的变换函数来预处理漏电流和本征电容，从而在保持轻量级ANN架构的同时实现宽动态范围内的精确建模。环境温度被明确作为输入参数，以捕捉不同热条件下电流和电容的变化规律。该大信号模型使用Verilog-A语言实现，并通过一个栅宽为6×75 μm的0.25 μm SiC基GaN HEMT进行了验证。在25°C至150°C的温度范围内，模型能够很好地再现直流IV特性以及小信号S参数数据。更重要的是，3.6 GHz下的负载牵引实验表明，该模型能够可靠地预测不同温度条件下的输出功率、增益和功率附加效率（PAE）。这些结果证明了所提出的基于ANN的紧凑模型在解决GaN HEMTs的温度依赖性非线性行为方面的有效性，对于电路设计应用具有重要意义。