买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉复旦大学宁波研究院申请的专利一种基于机器学习的碳化硅功率器件离子注入优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118821598B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410853783.1，技术领域涉及：G06F30/27；该发明授权一种基于机器学习的碳化硅功率器件离子注入优化方法是由左元慧;曹玲娟;马宏平;张清纯设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本一种基于机器学习的碳化硅功率器件离子注入优化方法在说明书摘要公布了：本发明属于碳化硅功率器件制程技术领域，具体为一种基于机器学习的碳化硅功率器件离子注入优化方法。本发明方法包括获取历史碳化硅功率器件离子注入工艺数据，制作离子注入工艺优化样本数据集；并将样本数据集划分为训练集A1、训练集A2和测试集；利用训练集A1训练SVM预测模型，得到初始SVM预测模型；根据训练集A2，利用基于网络的迁移学习的方法对初始的SVM预测模型进行训练和验证，得到训练好的SVM预测模型；利用训练好的SVM预测模型对所述测试集进行测试。本发明能够提高工艺优化的速率及准确性，同时降低成本，减少废品率；能够高效适应各种不同的离子注入工艺条件与对应工艺结果的动态变化。

本发明授权一种基于机器学习的碳化硅功率器件离子注入优化方法在权利要求书中公布了：1.一种基于机器学习的碳化硅功率器件离子注入优化方法，其特征在于，采用支持向量机SVM作为机器学习优化的预测模型，具体步骤为： 步骤一，样本的采集与预处理：统计收集历史碳化硅功率器件离子注入工艺数据，并进行预处理，制作离子注入工艺优化样本数据集，样本集包括注入工艺数据集和标签集； 1注入工艺数据集制作：注入工艺数据集中的信息包含注入离子类型、注入能量和剂量、注入角度、注入温度，作为支持向量机预测模型的输入来源；数据通过归一化将其缩放到[0,1]之间，防止某些特征在模型训练中占据主导地位，同时确保所有特征都具有相同的量纲和比例； 2标签集制作：标签集为与输入的注入工艺参数对应的工艺结果，包括电阻率、激活率、沟道深度、电子迁移率和方块电阻； 3样本集划分：将离子注入工艺优化样本数据集划分成训练集A1、训练集A2和测试集；训练集A1占样本数据集的20％，用于模型的预训练和验证，训练集A2占样本数据集的70％，用于模型的进一步训练和验证，剩余的10％作为测试集，用于对模型的最后测试； 步骤二，将训练集A1输入到SVM预测模型中，进行模型的预训练和验证，并得到模型的初始训练配置参数，配置参数是指影响SVM模型性能和行为的各种超参数；所述参数包括： 核函数，通过核函数将数据从原始空间映射到更高维的特征空间，从而在这个高维空间中找到一个线性可分的超平面； C值，错误率的一个超参数，它控制模型允许的最大错误率； 核函数参数，其影响模型的性能和泛化能力，需要根据具体的数据和任务来确定； 正则化参数，用于控制模型复杂度和拟合数据的精确度，正则化参数的值越大，模型越简单，拟合数据的精确度越低；正则化参数的值越小，模型越复杂，拟合数据的精确度越高； 步骤三，通过步骤二得到的模型初始训练配置参数，以获取模型最佳的性能，再利用基于网络的迁移学习方法，用训练集A2对SVM模型进行训练和验证，SVM模型不断的学习离子注入工艺参数与工艺结果的特征，生成最终的训练配置参数文件，即得到训练好的SVM模型； 步骤四，通过步骤三生成的最终训练配置参数文件对测试集进行模型的最终测试，并以均方根误差RMSE和决定系数R2作为评价指标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学宁波研究院，其通讯地址为：315327 浙江省宁波市杭州湾新区滨海二路1188号科创中心大楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。