基于物理信息神经网络的SiC MOSFET I-V特性建模方法及系统

本发明涉及SiC MOSFET技术领域，具体公开了一种基于物理信息神经网络的SiC MOSFET I‑V特性建模方法及系统，针对现有的SiC MOSFET仿真模型无法兼顾高精度、高速度和实用性的问题，将物理模型与神经网络进行融合，将神经网络的损失函数里面加入了物理模型的计算值与神经网络预测值之间的损失，仅需少量数据即可高效且精确地训练出模型。该方法及系统充分利用物理神经网络的内在优势，将器件的实际物理行为信息嵌入模型中，使得建模结果不仅在数值上与实验数据高度吻合，更在理论上展现出严密的物理解释性，为碳化硅功率器件的产业化应用提供了关键技术支持。