AlN薄膜的EFMS制备及光电性能的研究

来源 :郑州大学 | 被引量 : 0次 | 上传用户:niguibo
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
氮化铝(AlN)是一种重要的Ⅲ-Ⅴ族直接带隙半导体材料,广泛应用于多种器件中。AlN薄膜具有宽带隙、高温稳定性等特点,可作为紫外光电探测器的敏感材料,也可作为紫外发光二极管的发射或传输层。高择优取向的AlN薄膜具有高表面波传输速率和低声损耗等优点,在声表面波器件中得到了广泛的应用。此外,AlN薄膜与氮化镓、氧化锌等薄膜晶格常数和热导率匹配良好,可作为良好的衬底或者中间层广泛应用于光电探测器中。高质量的AlN薄膜更利于其在光电子和微电子器件中的应用。本文通过改善AlN薄膜的制备工艺,提高了薄膜的质量。利用能量过滤磁控溅射技术制备AlN薄膜。研究了溅射时间、氮气含量、衬底温度对AlN薄膜结构、形貌和光学性能的影响,并且对能量过滤磁控溅射技术和直流磁控溅射技术制备的AlN薄膜进行了对比。利用X射线衍射仪、场发射扫描电子显微镜和原子力显微镜分析薄膜的晶体结构和形貌,利用紫外分光度计分析薄膜的光学性能。成功制备了高择优取向、低粗糙度、宽带隙的AlN薄膜。制备的AlN薄膜择优生长取向为(002)晶面,其衍射峰的半高宽随沉积温度的升高呈减小趋势,在200℃时达到最小值,为0.340°,此时平均晶粒尺寸达到最大,为27.3 nm。表面均方根粗糙度随沉积温度的升高呈减小趋势,在400℃时达到最小,为0.949 nm。AlN薄膜的光学带隙在5.8 e V附近,可见光范围内透射率高达93.5%。沉积温度对AlN薄膜的结构、表面形貌和光学性能有影响。一定的沉积温度有助于获得高择优取向、表面光滑致密、宽带隙的AlN薄膜。其次,对能量过滤磁控溅射技术制备的AlN薄膜进行了光电性能的研究。制备了AlN基金属-半导体-金属结构光电探测器,对光电探测器进行了光电性能的研究。结果表明,AlN基光电探测器在暗场条件下具有很低的电流,在50 V偏置电压下的暗电流低至2×10-13A,器件在50 V偏置电压下的光电流为1.2×10-9A,比暗电流2×10-13A高出约为4个数量级。
其他文献
随着我国高铁事业的迅猛发展,中型铁路站房在国内不断涌现。本文以某中型铁路站房公共区为研究对象,利用客流模拟软件,得到进站通道所需尺寸,进而确定基于反恐安检需求的公共区平面结构;进一步优化公共区布局,并对其客流区域环境特性及舒适性进行模拟分析。本文通过文献及现场调研,获取了车站的进站流程、服务设施尺寸、服务能力、实际运行情况等重要信息。采用客流模拟软件建立了客流模拟模型,并根据调研数据验证模型的准确
钢筋混凝土结构的耐久性问题是土木工程领域关注的重点问题之一。耐久性不足会导致混凝土结构在没有达到使用年限时就提前失效,对这些失效混凝土结构的维修和重建给我国经济带来巨大损失,混凝土结构的耐久性问题是一个当前亟需解决且意义重大的问题。钢筋锈蚀是导致混凝土结构耐久性失效的主要原因。钢筋锈蚀会导致混凝土保护层开裂、钢筋自身力学性能劣化,同时钢筋与混凝土之间的黏结力也会下降,最终降低混凝土结构耐久性,缩短
细胞是生命体最基本的结构和功能单元,对其形态结构等信息的识别分析在生命科学、临床医学等领域具有重要的意义。大多数细胞无色透明,属于相位物体,传统显微镜难以对其成像
随着信息技术的飞速发展,海量的文本数据不断增长。与数值数据不同,文本数据的处理更为复杂和困难。容错粗糙集模型是对经典的粗糙集的扩展,把论域基于等价关系形成的划分扩
情感识别是计算机视觉、模式识别等领域的研究热点,并随着人工智能和深度学习技术的发展,受到了广泛研究者的关注。表述情感的方式各种各样,其中语音和表情是两种最直接、最
并发控制是数据库系统提供的一种机制,用于支持多个事务并发执行,同时保证事务之间的隔离性。并发控制算法是数据库系统性能的关键。然而,不同的并发控制算法有不同的优点和
随着软件破解技术的发展,人们对应用软件的安全问题越来越重视。代码混淆作为一种重要的代码保护技术,已经广泛应用于软件保护领域。为了确保混淆结果的有效性,对代码混淆进
对多智能体的研究主要是完成单个智能体无法完成的复杂而巨大的任务。近年来,多智能体一致性已经引起了控制领域学者的广泛关注和应用,例如:分布式协同控制,自适应辨识,分布
随着电网规模的不断扩大,以风力发电、光伏发电等可再生能源为主的分布式发电作为一种新型环保的供电方式在电力系统供、配电方面具有良好的发展前景,然而分布式电源(Distrib
驾驶员特性是驾驶员在驾驶过程中表现出来的一种驾驶习惯,它能够反映驾驶员一定的性格特性。不同特性的驾驶员对车辆的性能要求往往是不同的,因此本文进行了基于驾驶员特性的自适应换挡规律研究。首先在模拟驾驶环境下采集不同驾驶员在起步、加速及制动工况下的驾驶数据,利用PCA分析法选取驾驶员在这些工况下的聚类分析特征参数,采用K-means、SOM神经网络以及GMM聚类算法分别对这些工况下的驾驶数据进行了聚类分