一种改进的反向传播神经网络方法，用于表征LDMOS器件在传输线脉冲干扰下的性能退化

《IEEE Transactions on Device and Materials Reliability》：An Improved Backpropagation Neural Network Method for Characterizing Performance Degradation of LDMOS Device Under Transmission Line Pulse Interference

　　针对LDMOS晶体管在电力转换系统中的可靠性问题，采用传输线脉冲（TLP）模拟电静电放电（ESD）干扰，提出基于多头增量改进反向传播神经网络（IBP-NN）的性能退化预测方法，通过优化输入参数和网络结构提升预测精度，并分析退化机制及参数独立性，实验验证其在不同电磁脉冲负载下的有效性。

　　

摘要：

随着横向扩散金属氧化物半导体（LDMOS）晶体管在电源转换系统中的广泛应用，其可靠性已成为一个日益重要的问题。众所周知，静电放电（ESD）一直是电磁干扰的主要来源，其累积效应会显著降低设备的性能。然而，现有关于LDMOS器件性能退化特性的研究主要集中在物理模型上，而在各种条件下准确量化这种退化仍然是一个挑战。本文采用传输线脉冲（TLP）来模拟LDMOS器件中的ESD干扰。提出了一种基于多头增量反向传播（IBP-NN）神经网络的性能退化预测方法，通过对输入参数和网络结构的优化，大幅提高了器件退化的预测准确性。进一步分析了MOS器件的退化机制，并验证了影响退化过程的不同参数之间的独立性。实验结果表明，所提出的方法在预测不同电磁脉冲负载条件下LDMOS器件的安全性或可靠性方面表现良好。