当前位置: 首页 > news >正文

针对硅基氮化镓高电子迁移率晶体管(GaN-HEMT)的准物理等效电路模型,包含基板中射频漏电流的温度依赖性

来源:Quasi-Physical Equivalent Circuit Model of RF Leakage Current in Substrate Including Temperature Dependence for GaN-HEMT on Si(TMTT 23年)

摘要

该文章提出了一种针对硅基氮化镓高电子迁移率晶体管(GaN-HEMT)的准物理等效电路模型,旨在模拟基板中的射频漏电流,并考虑了温度的影响。所提议的模型中,考虑了缓冲层与硅基板界面附近电子和空穴的作用以建模射频漏电流。通过技术计算机辅助设计(TCAD)仿真分析了射频漏电的物理机制,发现当漏极电压较高且温度较高时,射频漏电流会增加;这是因为在低受主浓度的缓冲层与硅基板界面处产生了反型层中的电子。

为了模拟射频漏电流,研究在Angelov-GaN大信号模型中添加了一个与GaN-on-Si物理结构相对应的C-R-C电路,即在漏源端之间。该C-R-C电路中的电阻和电容源自硅基板中电子和空穴密度的物理方程,以便考虑射频漏电流对温度和偏置的依赖性。经验证,所提出的模型能准确重现功率扫描的温度特性测量结果。结合了提出的准物理射频漏电模型的大信号模型能够模拟由硅基板中电子和空穴产生的外在射频漏电流导致的射频性能退化。此外,该模型也与漏极电极宽度对大信号特性的测量依赖性相符,证实了该模型对于晶体管及放大器设计的实用性。

关键词:氮化镓高电子迁移率晶体管(HEMT),反型层,建模,硅基板,温度。
在这里插入图片描述在这里插入图片描述

文章的研究内容

该文章主要研究并提出了一种针对硅基氮化镓高电子迁移率晶体管(GaN-HEMT)的射频(RF)漏电流的准物理等效电路模型,该模型特别考虑了温度对其的影响。研究中,作者Yutaro Yamaguchi和Toshiyuki Oishi分析了GaN-HEMT中RF漏电流的物理机制,发现在高漏电压和高温条件下,由于缓冲层与硅基板界面上低受主浓度区域形成反型层产生电子,导致RF漏电流增加。

为了准确建模这一现象,研究团队在现有的Angelov-GaN大信号模型基础上,增加了一个C-R-C(电容-电阻-电容)等效电路,这一电路结构反映了GaN-on-Si器件在漏源端之间的物理布局。此电路中的电阻和电容值直接从描述硅基板中电子与空穴密度的物理方程推导而来,从而确保模型能够准确反映温度和偏置电压对RF漏电流的依赖性。

经过验证,该模型能够精确地复现功率扫描的温度特性测量数据,表明它能有效预测由硅基板中电子和空穴引起的RF性能衰退。此外,模型还与实验测得的漏极电极宽度对大信号特性的影响相吻合,证明了其在晶体管和放大器设计中的实用价值。综上所述,这项工作不仅深化了对GaN-HEMT中RF漏电流物理机制的理解,还提供了一个实用的设计工具,有助于优化基于GaN的高性能微波和射频器件。

文章的研究方法

文章采用的研究方法主要包括理论分析、技术计算机辅助设计(TCAD)仿真和实验验证三部分,以建立和验证针对硅基氮化镓高电子迁移率晶体管(GaN-HEMT)的射频(RF)漏电流的准物理等效电路模型,该模型考虑了温度影响。

首先,通过理论分析,文章考虑了GaN-HEMT结构中缓冲层与硅基板界面附近电子和空穴的作用,来建模RF漏电流。理论分析揭示了在高漏电压和高温条件下,由于缓冲层与硅基板界面上形成的低受主浓度区域,电子在反型层中生成,从而增加了RF漏电流。

其次,利用TCAD仿真技术深入分析了RF漏电的物理机制。TCAD模拟帮助研究人员观察到随着漏极电压的提高和温度的升高,RF漏电流显著增加的现象,并且确认了这与界面处电子的生成有关。仿真还揭示了来自外延层扩散到接受区的空穴也是影响因素之一。

然后,根据仿真结果,研究团队在已有的Angelov-GaN大信号模型中添加了一个额外的C-R-C(电容-电阻-电容)电路,用以表征GaN-on-Si结构中漏源端的物理特性。这个C-R-C电路的电阻和电容值是基于物理参数(如电子和空穴浓度、电极的移动性和宽度)推导而来,确保了模型能够反映温度和偏置依赖性。

最后,通过实验验证了模型的有效性。模型预测的硅基板中电阻的温度特性与实测数据一致,同时,模型关于漏极电极宽度对大信号特性影响的预测也与实验测量结果相符。这表明提出的准物理模型能准确预测和解释实际GaN-HEMT器件中RF漏电流的温度依赖性及其对大信号特性的影响,为器件设计和性能优化提供了有力的理论支持。

文章的创新点

文章的创新点在于提出了一种新的准物理等效电路模型,专门用于模拟硅基氮化镓高电子迁移率晶体管(GaN-HEMT)中的射频(RF)漏电流,并考虑了温度依赖性。以下是几个关键的创新方面:

  1. 综合考虑电子与空穴效应:模型首次在GaN-HEMT的RF漏电流分析中同时考虑了缓冲层与硅基板界面附近的电子和空穴行为,这是以往模型中可能未充分考虑的一个重要方面。

  2. 基于物理机制的TCAD仿真分析:通过技术计算机辅助设计(TCAD)仿真,文章深入分析了RF漏电流产生的物理机制,明确指出在高漏电压和高温下,由于缓冲层与硅基板界面处低浓度受主区的电子反型层生成,以及从外延层扩散到接受区的空穴,导致漏电流增加。

  3. 准物理C-R-C电路模型的引入:为了更精确地模拟外在RF漏电流,作者在Angelov-GaN大信号模型基础上新增了一个C-R-C(电容-电阻-电容)电路,其参数直接来源于物理方程,包括电子和空穴密度的表达式,这样就使得模型能够反映温度和偏置条件下的漏电流变化。

  4. 设计参数与温度特性的关联:模型能够体现电极宽度(如漏极宽度)等物理结构参数如何影响大信号特性的温度特性,这为设计者提供了强有力的工具,可以预测并优化器件在不同工作条件下的性能。

  5. 实验验证与应用:提出的模型经过了实验验证,不仅成功复现了功率扫描的温度特性,而且与测量得到的漏极电极宽度对大信号特性的影响趋势一致,表明模型具有高度的实用价值,可用于预测和改善GaN-HEMT器件的RF性能,尤其是在面对由硅基板中电子和空穴引起的外在RF漏电流导致的性能退化问题时。

综上所述,该研究的创新点在于建立了更加精确、全面考虑物理机制的模型,为GaN-HEMT在RF领域的设计与性能优化提供了重要的理论基础。

文章的结论

文章结论提出了一个针对硅基氮化镓高电子迁移率晶体管(GaN-HEMT)中射频(RF)漏电流的准物理等效电路模型,此模型考虑了温度依赖性。研究发现,在高漏电压和高温条件下,由于缓冲层与硅基板界面处低浓度受主区形成电子反型层以及从外延层扩散至受主区的空穴,导致RF漏电流增加。为了准确模拟这一现象,研究通过物理表达式推导出的电阻和电容值,添加了一个对应于GaN-on-Si结构的C-R-C电路至Angelov-GaN大信号模型中。

验证结果显示,该模型能精确重现功率扫描的温度特性,有效模拟由硅基板中电子和空穴所引起的RF性能衰退。此外,模型还与漏极电极宽度对大信号特性影响的实测数据相吻合,证明了其在设计考虑温度特性影响的晶体管及放大器时的实用性。

因此,该研究不仅揭示了RF漏电流的物理机制,还提供了一个强大的设计工具,有助于工程师理解并应对由外在RF漏电流造成的RF性能下降问题,特别是在GaN-HEMT器件的设计与优化过程中,特别是在硅衬底的应用场景下。总结而言,该文的贡献在于推进了对于GaN-HEMT器件中复杂漏电流现象的理解,并为相关器件的性能提升和可靠性设计提供了科学依据。

相关文章:

针对硅基氮化镓高电子迁移率晶体管(GaN-HEMT)的准物理等效电路模型,包含基板中射频漏电流的温度依赖性

来源:Quasi-Physical Equivalent Circuit Model of RF Leakage Current in Substrate Including Temperature Dependence for GaN-HEMT on Si(TMTT 23年) 摘要 该文章提出了一种针对硅基氮化镓高电子迁移率晶体管(GaN-HEMT&…...

基于websocket与node搭建简易聊天室

一、前言 上一篇文章介绍了websocket的详细用法与工具类的封装,本篇就基于websocket搭建一个简易实时的聊天室。 在本篇开始之前也可以去回顾一下websocket详细用法:WebSocket详解与封装工具类 二、基于node搭建后台websocket服务 首先确认本机电脑中…...

DevOps全面综述:从概念到实践

一、背景与概述 1.1 DevOps的起源与发展 DevOps(Development and Operations的缩写)是软件工程领域中的一种文化和实践方法,旨在促进开发团队与运维团队之间的协作,从而实现更高效、更可靠的软件交付。DevOps起源于敏捷软件开发方…...

[C++]vector的模拟实现

下面是简单的实现vector的功能,没有涉及使用内存池等复杂算法来提高效率。 一、vector的概述 (一)、抽象数据类型定义 容器:向量(vector)vector是表示大小可以变化的数组的序列容器。像数组一样&#xf…...

【云原生】Kubernetes----POD控制器

目录 引言 一、Pod控制器概述 二、Pod控制器的种类 (一)ReplicaSet (二)Deployment (三)StatefulSet (四)DaemonSet (五)Job 三、使用POD控制器 &a…...

Java环境配置(超详细)

Java环境配置(超详细) 引言1、安装 JDK1.1、下载安装JDK1.2、配置环境变量:JAVA_HOME1.3、将JAVA_HOME添加到Path中 2、安装 Maven2.1、下载安装Maven2.2、配置maven的环境变量: M2_HOME2.3、将Maven变量添加到Path中 引言 Java开发环境的配…...

【操作系统】(详细理解进程的状态)执行状态、就绪状态、阻塞状态、挂起状态

下面是进程的几种状态的概念: 执行状态:当一个进程已获得必要资源,并占有CPU进行执行。 就绪状体:进程已分配到除CPU外的所有必要资源,只要获取CPU允许就可立即执行。 阻塞状态:正在执行的进程,…...

C++ -- string常用接口的底层实现

一.string介绍 1. string是表示字符串的字符串类,对C语言的字符串指针进行了包装。 2. 该类的接口与常规容器的接口基本相同,有增删查改等,再添加了一些专门用来操作string的常规操作。 二.成员变量 创建string类的时候要在自己的命名空间…...

怎么做好企业短信服务呢?(文字短信XML接口示例)

企业短信服务已经成为各行各业都信赖的行业推广方式之一,并且短信行业也与时俱进的发展着,随之而来的就是市场上短信平台的数量也随之增多。那么怎么在鱼龙混杂的短信行业中选择适合自己的企业短信服务平台呢?企业短信服务平台又适用于哪些应…...

鸿蒙小案例-音乐播放器

之前参加鸿蒙比赛的音乐播放器 效果展示 HF音乐效果展示 功能列 有一些功能没写上去,自行发掘 说明: 1.API:网易云接口,QQ个人接口, 需要请看gitee 2.本地关系型数据由bug,提的工单已确认,建议使用API11,12,9的不稳…...

语言模型测试系列【9】

语言模型 文心一言讯飞星火通义千问2.5豆包360智脑百小应腾讯元宝KimiC知道 好长时间没有做语言模型的测试了,一方面是没有好的素材,各模型都在升级优化,而且频率很高;另一方面近期在阅读和学习其他的知识,所以更的也…...

优思学院|质量工程师工资不高怎么办?

你是否曾经好奇,为什么在职场中,质量工程师的工资普遍不高?这一现象背后的原因,实际上与他们的职业门槛和专业知识密切相关。早期,国内的质量工程师入行门槛较低,许多人即使没有任何专业知识也可以进入这一…...

【面向就业的Liux基础】从入门到熟练,探索Linux的秘密(一)

主要帮助大家面向工作过程中Linux系统常用的命令联系,采用极致的实用主义,帮助大家节省时间。 文章目录 前言 一、linux系统 二、linux系统基本命令 1.Linux系统的目录结构 2. 常用命令介绍 3.命令演示 4.作业练习 总结 前言 主要帮助大家面向工作过程中…...

高效数据处理的前沿:【C++】、【Redis】、【人工智能】与【大数据】的深度整合

目录 1.为什么选择 C 和 Redis? 2.人工智能与大数据的背景 1.大数据的挑战 2.人工智能的需求 3.C 与 Redis 的完美结合 1.安装 Redis 和 Redis C 客户端 2.连接 Redis 并进行数据操作 高级数据操作 列表操作 哈希操作 4.与大数据和人工智能结合 5.实际应…...

Vitis HLS 学习笔记--控制驱动与数据驱动混合编程

目录 1. 简介 2. 示例分析 2.1 代码分析 2.2 控制驱动TLP的关键特征 2.3 数据驱动TLP的关键特征 3. 总结 1. 简介 在 HLS 硬件加速领域,Vitis HLS 提供了强大的抽象并行编程模型。这些模型包括控制驱动和数据驱动的任务级并行性(TLP)&…...

VUE3 学习笔记(12):对比Vuex与Pinia状态管理的基本理解

在组件传值中,当嵌套关系越来越复杂的时候必然会将混乱,是否可以把一些值存在一个公共位置,无须传值直接调用呢?VUEX应运而生,但是从VUE3开始对VUEX的支持就不那么高了,官方推荐使用Pinia。 Vuex配置 ST1:…...

区间预测 | Matlab实现QRCNN-BiGRU-Attention分位数回归卷积双向门控循环单元注意力机制时序区间预测

区间预测 | Matlab实现QRCNN-BiGRU-Attention分位数回归卷积双向门控循环单元注意力机制时序区间预测 目录 区间预测 | Matlab实现QRCNN-BiGRU-Attention分位数回归卷积双向门控循环单元注意力机制时序区间预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab实…...

TypeScript算法每日一题:赎金信(383)

作者:前端小王hs 阿里云社区博客专家/清华大学出版社签约作者✍/CSDN百万访问博主/B站千粉前端up主 题库:力扣 题目序号:383(简单) 题目:赎金信 给你两个字符串ransomNote 和 magazine,判断ran…...

springboot 作为客户端接收服务端的 tcp 长连接数据,并实现自定义结束符,解决 粘包 半包 问题

博主最近的项目对接了部分硬件设备,其中有的设备只支持tcp长连接方式传输数据,博主项目系统平台作为客户端发起tcp请求到设备,设备接收到请求后作为服务端保持连接并持续发送数据到系统平台。 1.依赖引入 连接使用了netty,如果项…...

kuka编程怎么加中文:解锁KUKA机器人编程中的中文支持

kuka编程怎么加中文:解锁KUKA机器人编程中的中文支持 在工业自动化领域,KUKA机器人以其卓越的性能和广泛的应用而备受赞誉。然而,对于许多中国用户来说,如何在KUKA编程中加入中文支持却成为了一个挑战。本文将从四个方面、五个方…...

C++实现分布式网络通信框架RPC(3)--rpc调用端

目录 一、前言 二、UserServiceRpc_Stub 三、 CallMethod方法的重写 头文件 实现 四、rpc调用端的调用 实现 五、 google::protobuf::RpcController *controller 头文件 实现 六、总结 一、前言 在前边的文章中,我们已经大致实现了rpc服务端的各项功能代…...

linux之kylin系统nginx的安装

一、nginx的作用 1.可做高性能的web服务器 直接处理静态资源(HTML/CSS/图片等),响应速度远超传统服务器类似apache支持高并发连接 2.反向代理服务器 隐藏后端服务器IP地址,提高安全性 3.负载均衡服务器 支持多种策略分发流量…...

stm32G473的flash模式是单bank还是双bank?

今天突然有人stm32G473的flash模式是单bank还是双bank?由于时间太久,我真忘记了。搜搜发现,还真有人和我一样。见下面的链接:https://shequ.stmicroelectronics.cn/forum.php?modviewthread&tid644563 根据STM32G4系列参考手…...

逻辑回归:给不确定性划界的分类大师

想象你是一名医生。面对患者的检查报告(肿瘤大小、血液指标),你需要做出一个**决定性判断**:恶性还是良性?这种“非黑即白”的抉择,正是**逻辑回归(Logistic Regression)** 的战场&a…...

云启出海,智联未来|阿里云网络「企业出海」系列客户沙龙上海站圆满落地

借阿里云中企出海大会的东风,以**「云启出海,智联未来|打造安全可靠的出海云网络引擎」为主题的阿里云企业出海客户沙龙云网络&安全专场于5.28日下午在上海顺利举办,现场吸引了来自携程、小红书、米哈游、哔哩哔哩、波克城市、…...

Go 语言接口详解

Go 语言接口详解 核心概念 接口定义 在 Go 语言中,接口是一种抽象类型,它定义了一组方法的集合: // 定义接口 type Shape interface {Area() float64Perimeter() float64 } 接口实现 Go 接口的实现是隐式的: // 矩形结构体…...

为什么需要建设工程项目管理?工程项目管理有哪些亮点功能?

在建筑行业,项目管理的重要性不言而喻。随着工程规模的扩大、技术复杂度的提升,传统的管理模式已经难以满足现代工程的需求。过去,许多企业依赖手工记录、口头沟通和分散的信息管理,导致效率低下、成本失控、风险频发。例如&#…...

C++.OpenGL (10/64)基础光照(Basic Lighting)

基础光照(Basic Lighting) 冯氏光照模型(Phong Lighting Model) #mermaid-svg-GLdskXwWINxNGHso {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-GLdskXwWINxNGHso .error-icon{fill:#552222;}#mermaid-svg-GLd…...

SpringCloudGateway 自定义局部过滤器

场景: 将所有请求转化为同一路径请求(方便穿网配置)在请求头内标识原来路径,然后在将请求分发给不同服务 AllToOneGatewayFilterFactory import lombok.Getter; import lombok.Setter; import lombok.extern.slf4j.Slf4j; impor…...

【论文阅读28】-CNN-BiLSTM-Attention-(2024)

本文把滑坡位移序列拆开、筛优质因子,再用 CNN-BiLSTM-Attention 来动态预测每个子序列,最后重构出总位移,预测效果超越传统模型。 文章目录 1 引言2 方法2.1 位移时间序列加性模型2.2 变分模态分解 (VMD) 具体步骤2.3.1 样本熵(S…...