垂直GaN HEMT器件耐压及极化特性研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:liantonglingsheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文主要开展垂直型GaN电流孔径晶体管(Current Aperture Vertical Electron Transistor,CAVET)的相关研究,相较于横向型GaN HEMT(Lateral GaN High Electron Mobility Transistor)器件,CAVET器件在降低封测难度、减小芯片面积、获得高击穿电场、抑制电流崩塌效应等方面具有明显优势,本文从以下三方面开展GaN CAVET器件的耐压特性、导通特性以及极化特性研究。(1)GaN CAVET器件功率特性研究:对于GaN功率器件,要同时获得较低的导通电阻和较高的击穿电压,这对器件材料和结构提出了新的要求,需要对此进行深入的研究和探讨;(2)GaN CAVET增强型器件研究:增强型(Normally Off)器件更有利于简化电路设计、实现低功耗,需要对垂直型GaN增强型器件进行研究;(3)GaN CAVET双沟道器件研究:垂直型器件由于其结构特点,增加了导通电阻,所以输出电流比横向器件要小,因此对具有高输出电流的垂直型双沟道器件进行研究。本文采用Sentaurus TCAD仿真软件对GaN CAVET器件进行数值仿真,探究不同结构和材料参数下的器件特性,通过对器件仿真模型和结构参数优化,获得更好的器件性能。针对传统GaN CAVET结构缓冲层耐压不充分的问题,在埋层(Buried Layer)结构和超级结(Superjunction)结构基础上提出了一种渐变阶梯埋层的GaN垂直型器件(GPBL-GaN CAVET)。通过优化器件的结构和工艺参数,仿真得到GPBL-GaN CAVET器件的关态击穿电压为2536 V,相较于传统结构GaN CAVET器件提高了989 V,提升了64%,导通电阻为1.95 mΩ·cm2,FOM值提升了148%,达到了3.3 GW/cm2,显著增强了器件功率特性。针对传统GaN CAVET结构缓冲层漏电大、难以实现增强型的问题,在绝缘材料Si O2电流阻挡层(CBL)结构的基础上讨论了一种基于极化调制工程的器件(PE-CAVET)—Si O2-AlN混合阻挡层(HCBL)增强型Al0.3Ga0.7N/GaN CAVET,利用GaN/AlN异质结形成二维空穴气(2DHG)调节器件阈值,实现器件的阈值电压为2.31V,电流开关比达到1012,击穿电压为864 V,相较于传统GaN CAVET耐压提升了156%,泄漏电流减小了4个量级;针对传统单沟道Si O2 CBL器件输出电流较小的问题,提出了Si O2-In0.05Ga0.95N HCBL Al0.3Ga0.7N/GaN CAVET,引入GaN/InGaN异质结形成二维电子气(2DEG)次沟道提升器件饱和输出电流,实现器件的饱和输出电流为985 m A/mm,跨导达到了256 m S/mm,相较于单沟道Si O2 CBL器件饱和输出电流提升了30%,跨导提升了25%。
其他文献
学位
随着人们对海洋探索的不断深入,使得UVLC技术扮演的角色越来越重要。但UVLC系统中各种器件带来的非线性效应、背景光噪声以及水中的各种物质成分对光产生的影响,造成系统接收端接收到的信号数据损失,从而导致系统中基于ED判决后的信号无法准确解调,降低了系统的性能。本文从UVLC系统中的信号检测方面展开相关研究。具体的工作安排如下:(1)首先阐述了UVLC的研究背景与意义,以及UVLC系统中存在的问题与
近年来,无人驾驶、室内外无缝导航定位和AR/VR等技术不断发展,同步定位与建图(Simultaneous Localization and Mapping,SLAM)作为一项核心技术被国内外学者广泛研究与关注,该技术是利用各种传感器采集外界信息实现自主定位和实时建图。视觉SLAM已经成为一项比较成熟的技术,但其受光照强度的影响比较大,不能在弱纹理、特征点缺失以及动态环境下维持良好的鲁棒性。单一惯性
随着生活品质的提高,桂北地区传统民居热环境的缺陷逐渐显露,居住需求和民居热环境质量矛盾日益激化;进而出现照搬照抄城市建筑模式现象,传统民居的外观体现和内部结构脱离了传统建筑文化的本意。为同时兼顾桂北传统民居室内热环境品质提升和保护并传承传统建筑文化,本文选取桂北地区典型的砖木地居式民居和半干栏式民居为研究对象。通过环境实测掌握民居热环境状况,分析影响热环境的因素,并提出针对性改造方案;借助Desi
学位
学位
学位
学位
对基于深度学习的知识图谱关系预测方法进行研究能够对节点间关系的推理与隐含信息挖掘产生较大现实应用价值。其可用于犯罪预测、推荐系统、自然语言推理等系统及方法中。本文对基于知识图谱的关系预测方法进行研究,并将其应用于推荐系统中以提升准确率。本文主要解决由于图谱信息挖掘不充分而导致的推荐不准确问题。首先,为了更好地利用并挖掘图谱信息,得到更加准确的图谱关系表述,本文提出了一种基于RNN网络和Rotat
作为教育数据挖掘的重要研究分支之一,学生成绩预测研究得到了广泛的关注,国内外学者相继开展了一些卓有成效的工作。虽然传统的成绩预测方法取得了不错的效果,但这些方法仍存在一些不足,主要有两个方面:一是在传统课堂成绩预测问题中,预测存在一定的滞后性,而且数据也存在数据稀疏和特征单一等问题,以至于无法为课程初期的教学和管理工作提供有效的技术支撑。二是现有的在线平台课程成绩预测研究主要利用学习者在平台学习的