大尺寸4H-SiC同质外延生长和器件验证

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:szshm
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
“十四五”规划提名集成电路,重点攻关碳化硅、氮化镓等宽禁带半导体。相比于Si和Ga As,碳化硅(SiC)材料同时具有宽的禁带(3~3.3e V)、高的击穿电场(2.5~5MV/cm)、高电子漂移速度(2×107cm/s)和高热导率(4.5~4.9W/cm℃)等优势,由SiC制备的器件体积小巧却功能强大。碳化硅外延晶圆是制备碳化硅功率器件的基础,本文采用aixtron最新一代G5 WW设备,基于TCS+C3H8+H2生长体系,对大尺寸、多片式4H-SiC的同质外延生长技术展开了系统研究。主要的研究成果有:1.在C/Si比为1.2时研究了TCS流量对生长速率的影响,TCS流量为340sccm时生长速率达到了24um/h。保持TCS不变情况下发现C/Si下降时生长速率也会下降。接着研究了N2流量和C/Si比对掺杂浓度的影响。本实验通过优化C/Si比、温度场、气体流场等参数来调节均匀性,实现了SiC外延片厚度不均匀性<2%,浓度不均匀性<3%。对表面形貌展开的研究发现在TCS+C3H8+H2的生长体系下即使C/Si为1.3,TCS流量达到340sccm时,表面RMS仅为0.2nm左右,4H-SiC外延层表面形貌良好,没有发现硅滴。最后研究了H2刻蚀温度对衬底划痕的影响,优化刻蚀温度能够消除衬底在CMP阶段引入的划痕。2.建立了三角形缺陷、基面位错的形成机理模型。本文通过光学显微镜、拉曼散射等表征手段,对TCS+C3H8+H2体系下得到的4H-SiC外延晶圆上的各种形貌三角形缺陷的结构、产生机理展开了研究,发现所有的三角形缺陷都是由2D成核引起的,根据生长模式的不同建立了无头部三角形缺陷和倒金字塔型三角形缺陷的形成机理。通过化学腐蚀、光学显微镜、光致发光测量等表征手段,证实了基面位错沿着[1120]方向从衬底延伸到外延层,并建立了成列BPD的形成机理。3.对本文最终得到的4H-SiC外延片进行X-RD检测和拉曼散射,确定本文生长的SiC外延层为均一的4H-SiC晶体;(0004)面的摇摆谱半宽高为21.1859arcsec,证明外延层晶体质量非常好;原子力显微镜测得的表面粗糙度仅为0.228nm,并用3D AFM证明了4H-SiC外延层表面具有原子级的台阶表面。非接触C-V测得的掺杂均匀性为2.78%。使用FTIR膜厚仪、三角形缺陷和二次离子质谱仪共同验证了4H-SiC外延层厚度测量的准确性,针对FTIR测不准的情况,本文通过分析FTIR图谱确定是由SiC外延片掺杂浓度不均匀导致的。使用光致发光测试仪在480nm发光波段下发现了大量的堆垛层错,并观测到堆垛层错在PL谱中的形貌为一个直角三角形。4.以本实验生长的外延片为基础,分别制备650V和1200V碳化硅二极管器件,对外延片的质量进行了验证。在SiC JBS器件制备过程中,重点研究了外延掺杂的不均匀性和三角形缺陷对SiC JBS性能的影响。研究表明:外延层掺杂不均匀性会造成器件性能的离散。三角形缺陷会使器件的反向击穿电压降低40%,泄漏电流增大3个数量级。
其他文献
目前随着科技的高速发展,各种高端技术层出不穷,常见的有大数据、人工智能、深度学习等。如今,在许多行业中信息系统由于其行业业务特点,出现了因业务需求频繁变动导致的维护困难和效率低下。按照传统的开发思维,此类业务的基本写法就是添加多种if判断,或者在SQL语句中添加判断。随之而来的是增加了开发人员的工作量、用人成本以及业务沟通带来的时间成本。那么如何解决此类问题,分离业务规则和逻辑代码,完成业务与逻辑
学位
图像分类领域中,对抗样本(Adversarial Examples,AEs)通常是指一种与目标分类器的原输入图像仅有微小差别的图像,但却能显著扰乱该分类器的输出结果。研究表明,相当部分的经典深度图像分类网络都存在大量的对抗样本,并极易受到对抗攻击,从而产生安全漏洞。随着深度神经网络和硬件计算能力的不断发展,深度学习已广泛地存在于各个实际领域。然而对抗样本的存在表明,许多深度神经网络并不鲁棒可靠,针
现如今,云计算在计算机和互联网领域扮演着越来越重要的角色,而存储作为云计算中比较重要的一环,如何管理和使用存储成了该环节中一个比较重要的问题。作为云计算领域的热门组件,OpenStack在该领域中有着不可或缺的地位,其内部组件Cinder更是在云磁盘管理方面发挥了重要作用。因此,如何设计并实现一个稳定高可用的云管控平台的磁盘管理系统是管理和使用好云存储的关键。基于以上背景,本文设计并实现了一个基于
随着相控阵天线集成度的日益提高,高热流密度和狭小散热空间导致的散热问题也日益凸显。目前有源相控阵天线主要采用液冷系统进行散热,液冷系统的设计重点主要表现在三个方面:一是控制发热元件最高温度避免元件的烧毁;二是使T/R组件内芯片温度保持一致保证天线的整体电性能;三是满足天线的结构约束。拓扑优化方法可以根据天线系统的热源分布与结构约束改变流道结构的拓扑关系,是提高有源相控阵天线液冷系统散热能力最有前途
合成孔径雷达(SAR)是一种高分辨率成像雷达,具有可全天时持续性探测目标的特性,并且不受天气等外界因素影响,是当前探测技术中极其重要的电子设备。另一方面,SAR可以穿透表面的遮挡物,深入探测目标内部的信息,能够实时监测农业作物与自然灾害情况。SAR经常搭载在飞机、卫星等移动平台上,它可以收集大范围场景数据。针对远距离目标,它同样能够保证成像的高分辨率,所获图像能够帮助解决军事侦查以及民用领域的诸多
随着大规模集成电路的发展和工艺尺寸的持续缩小使得物联网技术得到了蓬勃的发展,进而推动可穿戴设备、智能家居等诸多应用场景的快速发展。在这些场景下电子设备需要在保持正常功能的同时具有较高的能效以尽可能的延长使用的周期,然而大量用于采集模拟信号的无线传感器的应用将会造成整个系统功耗过大。模数转换器(Analog-to-Digital Converter,ADC)作为无线传感器中连接模拟输入信号和数字信号
自冯·诺依曼架构体系面世以来,处理器与内存一直被视为计算机系统的核心。系统将正运行的程序数据放入内存,需要时再从中读取,因此处理器与内存之间的数据传输速率直接决定了系统的性能。内存的硬件规格固然是影响传输速率的重要因素,但内存控制器在传输中的作用同样不可忽视。内存控制器作为处理器与内存之间传输数据的桥梁,不仅决定了系统所能使用的内存类型、内存频率、最大内存容量等重要参数,还控制着整个数据传输的过程
医学图像配准一直是医学影像处理系统中重要的处理环节,能够为后续的融合、重建等任务提供对齐的图像数据。由于医学图像具有极其复杂的组织结构,传统的基于特征等配准方法已无法满足现代医学图像配准对于实时可形变变换的要求,深度学习的快速发展为医学图像配准问题提供了新的解决办法。现有的基于深度学习的医学图像配准方法大多使用深度网络预测单向的配准结果,这一类方法并不能保持原图的拓扑结构;其中一些方法计算双向变形
学位