6月23日至6月27日，第61屆EDA與集成電路設計頂級學術會議DAC（Design Automation Conference）在美國舊金山成功舉行。在此次會議上，我校6774澳门永利發表了自成立以來首篇DAC論文（Multi-order Differential Neural Network for TCAD Simulation of the Semiconductor Devices），并作口頭報告。論文通訊作者王興晟教授與第一作者碩士生蔡子非同學，現場參加了此次國際盛會，與國際同行在相關領域進行了廣泛深入的學習交流，并向國際同行展示了6774澳门永利在AI for EDA領域的最新研究成果并進行了相應交流讨論。

TCAD （Technology Computer Aided Design）是實現半導體器件設計與制造的關鍵環節。其通過對描述半導體器件行為的物理方程的求解，實現對器件各項參數的預測。傳統的TCAD基于有限體積法、有限元法等方法，通過對有關物理方程的離散實現對器件的數值模拟。本文首次提出了一種基于物理感知神經網絡（PINN）實現TCAD仿真的全新方法。該方法通過對所提出的基于徑向基網絡（RBFNN）模型改進的多階微分神經網絡（MDNN）模型的訓練，在無需預先給出數據集的情況下，實現了對穩态情況下的泊松方程與漂移擴散方程的耦合求解。該論文在新型TCAD的函數定義、系統構造及求解方法上做出了嶄新的貢獻，這是目前首次實現的無需任何已有數據的機器學習TCAD仿真，從而在物理方程求解領域做出了新的嘗試。對于PN結二極管示例而言，本方法能有效地仿真器件的基本物理特性，其自洽求解的誤差小于1×10^-5.

關于DAC

DAC是電子設計自動化（EDA）與集成電路設計領域的頂會之一，專注于相關領域的最新方法和技術。會議接收的論文涵蓋了電子設計自動化、嵌入式系統及軟件、AI系統及架構、存内計算及量子計算等主題，受到全世界相關領域研究者及企業的廣泛關注，相關主要EDA公司與半導體企業積極參與大會。在本次會議中，圖神經網絡（GNN）、大語言模型（LLM）等AI模型、存内計算、量子計算、3DIC等成為了交流報告的熱點與核心。