一种基于双机器学习模型数据生成的跨尺度电热性能预测方法

本发明公开了一种基于双机器学习模型数据生成的跨尺度电热性能预测方法，包括：确定半导体器件类型、封装类型、半导体器件‑封装级结构参数、电学激励及环境因素等实际输入参数及迭代输入参数范围；收集电学与热学数据集；分别选取并训练电学机器学习模型与热学机器学习模型；对电学数据集和热学数据集进行分析并设置迭代规则，基于电学与热学双机器学习模型开展电热耦合迭代，生成电热耦合数据集；选取并训练电热耦合机器学习模型，实现实际输入参数至半导体器件跨尺度电热性能的快速预测。本发明有效解决了传统器件级与封装级仿真跨平台数据转换与传输复杂的问题，显著提升数据生成效率与最终模型训练精度。