编辑推荐：
研究人员针对氮化镓（GaN）器件设计优化问题，开展基于元启发式算法的研究，优化了 Fin-JFET 晶体管性能，意义重大。
氮化镓晶体管研究：突破性能瓶颈，开启电力电子新篇章
在科技飞速发展的今天，半导体器件就像电子设备的 “心脏”，其性能优劣直接决定了电子产品的功能与效率。随着摩尔定律的推进，晶体管尺寸不断缩小，集成度越来越高。然而，传统金属氧化物半导体（MOS）晶体管在尺寸缩小过程中，遭遇了诸如漏极诱导势垒降低（DIBL）、栅极诱导漏极泄漏（GIDL）等短沟道效应（SCEs）的困扰，严重影响了晶体管的性能和可靠性。
为了突破这些困境，科学家们将目光投向了新型半导体材料和器件结构。氮化镓（GaN）凭借其宽禁带、高电子迁移率等优异特性，成为了下一代功率电子器件的理想选择，在电力和射频电子、数字和量子计算等领域展现出巨大的应用潜力。但是，GaN 器件在实际应用中也面临着诸多挑战。例如，其晶体生长过程复杂，需要高温高压等苛刻条件，导致缺陷密度较高；离子掺杂工艺难度大，成本高昂；并且，目前对于垂直 GaN 晶体管的一些关键性能，如雪崩能力和开关特性等，还缺乏深入的理解和有效的优化手段。
在此背景下，来自伊朗伊斯兰阿扎德大学南德黑兰分校电气工程系的 Mohammad Hassan Kashefi、Javad Karamdel，以及物理系的 Hassan Ghalami Bavil Olyaee 等研究人员，开展了一项旨在优化 GaN 衬底垂直 Fin-JFET 晶体管设计与性能的研究。该研究成果发表在《Heliyon》杂志上，为解决 GaN 器件的实际应用问题提供了新的思路和方法。
研究方法：多技术融合，精准优化晶体管性能
研究人员运用了多种先进技术来实现研究目标。首先，利用自适应神经模糊系统（ANFIS）对目标器件的参数进行建模。ANFIS 结合了神经网络的学习能力和模糊逻辑处理不确定性的优势，能够准确地模拟晶体管的行为。接着，采用灰色狼群优化（GWO）算法和哈里斯鹰优化（HHO）算法，对晶体管的沟道尺寸和杂质进行计算优化。这两种元启发式算法模拟了自然界中动物的群体行为和智能搜索策略，能够在复杂的解空间中快速找到最优解。最后，使用 Silvaco 软件对优化结果进行验证，确保设计的有效性和可靠性。
研究结果：性能显著提升，优化效果显著
- 垂直 FinJFET 器件结构和电路静态性能：通过 Silvaco 软件模拟，研究人员设计出了垂直 GaN Fin-JFET 的结构。该器件在 300K 时展现出了高达109的开 / 关电流比，在漏极电流为 1mA 时，阈值电压（VTH）超过 0.5V，具有良好的热稳定性。在输出特性方面，当栅源电压（VGS）为 1.2V 时，漏极电流（ID）超过 4A，导通电阻（RON）为 40Ω，比导通电阻（RON,sp）为0.82mΩ?cm2 。这些性能指标表明，该器件在功率电子应用中具有很大的潜力。
- 垂直 FinJFET 晶体管的优化：研究人员运用 GWO 和 HHO 算法对设计的 FinFET 参数进行优化。在优化过程中，两种算法均随机初始化种群，在设定的参数范围内进行搜索迭代。结果显示，HHO 算法收敛速度比 GWO 算法更快，能够更快地跳出局部最优解。然而，GWO 算法在较短的模拟时间内获得了更好的优化结果。此外，将模糊逻辑系统与这两种算法相结合后，进一步提高了收敛速度和优化效果。例如，模糊 - GWO 算法在更短的时间内完成了对 FinJFET 器件的优化。
研究结论与意义：开启 GaN 器件优化新征程
这项研究成功设计并优化了基于 GaN 衬底的垂直 Fin-JFET 晶体管，通过 ANFIS 建模、GWO 和 HHO 算法优化，显著提升了器件的性能，包括提高了开 / 关电流比、降低了导通电阻、增强了跨导等。这不仅为解决当前半导体行业面临的挑战提供了可行的方案，也为未来 GaN 器件在功率电子领域的广泛应用奠定了坚实的基础。
然而，研究人员也指出，目前的研究仍存在一些局限性。例如，可优化的参数数量有限，未来需要纳入更多参数以实现更全面的设计优化；在性能建模工具方面，也需要更高的精度，这将依赖于更先进的机器学习系统。尽管如此，这项研究无疑为 GaN 器件的发展开辟了新的方向，激励着更多的科研人员在这一领域深入探索，推动半导体技术不断向前发展，为实现更高效、更智能的电子设备提供可能。
