6月23日至6月27日，第61届EDA与集成电路设计顶级学术会议DAC（Design Automation Conference）在美国旧金山成功举行。在此次会议上，我校集成电路学院发表了自成立以来首篇DAC论文（Multi-order Differential Neural Network for TCAD Simulation of the Semiconductor Devices），并作口头报告。论文通讯作者王兴晟教授与第一作者硕士生蔡子非同学，现场参加了此次国际盛会，与国际同行在相关领域进行了广泛深入的学习交流，并向国际同行展示了华中科技大学在AI for EDA领域的最新研究成果并进行了相应交流讨论。

TCAD （Technology Computer Aided Design）是实现半导体器件设计与制造的关键环节。其通过对描述半导体器件行为的物理方程的求解，实现对器件各项参数的预测。传统的TCAD基于有限体积法、有限元法等方法，通过对有关物理方程的离散实现对器件的数值模拟。本文首次提出了一种基于物理感知神经网络（PINN）实现TCAD仿真的全新方法。该方法通过对所提出的基于径向基网络（RBFNN）模型改进的多阶微分神经网络（MDNN）模型的训练，在无需预先给出数据集的情况下，实现了对稳态情况下的泊松方程与漂移扩散方程的耦合求解。该论文在新型TCAD的函数定义、系统构造及求解方法上做出了崭新的贡献，这是目前首次实现的无需任何已有数据的机器学习TCAD仿真，从而在物理方程求解领域做出了新的尝试。对于PN结二极管示例而言，本方法能有效地仿真器件的基本物理特性，其自洽求解的误差小于1×10^-5.

关于DAC

DAC是电子设计自动化（EDA）与集成电路设计领域的顶会之一，专注于相关领域的最新方法和技术。会议接收的论文涵盖了电子设计自动化、嵌入式系统及软件、AI系统及架构、存内计算及量子计算等主题，受到全世界相关领域研究者及企业的广泛关注，相关主要EDA公司与半导体企业积极参与大会。在本次会议中，图神经网络（GNN）、大语言模型（LLM）等AI模型、存内计算、量子计算、3DIC等成为了交流报告的热点与核心。