2025 年，哈爾濱工業大學的 Le Gao 等人基于物理信息深度學習（PIDL）方法，研究了在稀疏數據條件下碳化硅（SiC）MOSFET 的剩余使用壽命（RUL）預測問題，尤其關注了其在輻射環境下的可靠性。該研究團隊通過一系列實驗，采用 ??Co γ 射線作為輻射源，以 50rad/s 的劑量率照射 SiC MOSFET，總劑量達到 100krad（Si），并按照相關標準施加恒定的柵極電壓，同時引入瞬態脈沖電流測量導通電阻（RDS（ON）），發現 RDS（ON）隨總劑量呈現先上升后下降的趨勢，這是由于輻射引起的界面陷阱電荷和氧化物陷阱電荷的相互作用，從而確定了以 RDS（ON）作為設備退化的指示參數。在研究方法上，他們創新性地提出了一個將總電離劑量（TID）誘導的退化機制（界面和氧化物陷阱電荷積累）與基于 Transformer 的神經架構相結合的 PIDL 方法，并通過定制的物理信息損失函數明確懲罰與導通電阻退化軌跡的偏差