台湾阳明交通大学团队最近放出一篇技术论文，把传统晶体管模型和神经网络拧在了一起，专门解决GAAFET（全环绕栅极场效应晶体管）的热感知建模难题。这东西是2nm以下工艺的关键器件，但仿真起来又慢又烧算力。

他们的做法挺直接：把Grove-Frohman的I-V解析式和Meyer的C-V解析式嵌进神经网络，让温度相关的阈值电压成为共享参数，同时把温度效应既写进网络参数也保留在解析式里。这样物理约束保住了，神经网络的拟合能力也没浪费。

打开网易新闻 查看精彩图片

论文里提了个细节——Gummel对称性测试要过温度扫描。这是为了确保电流在不同温度下保持对称，电路仿真才不会出怪结果。实验验证显示，用有限训练数据就能保持高预测精度，泛化能力也超出训练条件范围。

打开网易新闻 查看精彩图片

跟业界常用的BSIM-CMG模型比，这套方法电路仿真速度明显更快，建模工作量也小一截。作者认为这算是"可扩展、物理可解释、且制造感知"的先进晶体管建模方案。

打开网易新闻 查看精彩图片

论文已发在IEEE Access，DOI: 10.1109/access.2026.3689756。_tags里还挂了CFETs，看来团队也在关注堆叠晶体管的下一步。