太阳城集团亚洲娱乐城-澳门太阳城集团娱乐城最新地址_百家乐电影网_全讯网xb112 (中国)·官方网站

成果簡介隨著技術(shù)發(fā)展， 對于大功率白光 LED 而言， 發(fā)光效率的提高一直是個瓶頸。針對 GaN 基器件， 由于同質(zhì) GaN 襯底價格昂貴， 因此一直沒有被普遍應(yīng)用到 GaN基材料生長領(lǐng)域。 目前一般采用在異質(zhì)襯底上生長 GaN 基材料， 國內(nèi)外一般采用藍(lán)寶石襯底、 碳化硅襯底、 硅襯底等等。 這導(dǎo)致 GaN 基材料與異質(zhì)襯底之間的熱膨脹系數(shù)、 晶格系數(shù)的不匹配， 從而 GaN 基材料中缺陷密度很高， 一般在 105～108/cm2 量級。 高密度的缺陷直接導(dǎo)致光電器件發(fā)

北京大學(xué)物理學(xué)院寬禁帶半導(dǎo)體研究中心沈波和楊學(xué)林課題組與俞大鵬、劉開輝課題組合作，成功實現(xiàn)了Si(100)襯底上單晶GaN薄膜的外延生長，相關(guān)工作于2019年7月23日在Advanced Functional Materials上在線刊登 [doi.org/10.1002/adfm.201905056]。 GaN基寬禁帶半導(dǎo)體具有帶隙大、擊穿電場高、飽和電子漂移速度大等優(yōu)異，能夠滿足現(xiàn)代電子技術(shù)對高溫、高頻、高功率等性能的要求，對國家的高技術(shù)發(fā)展和國防建設(shè)具有重要意義。由于缺乏天然的GaN單晶襯底，GaN基半導(dǎo)體材料和器件主要在異質(zhì)襯底上外延生長。因具有大尺寸、低成本及易于集成等優(yōu)點，Si襯底上外延GaN成為近年來學(xué)術(shù)界和產(chǎn)業(yè)界高度關(guān)注的熱點領(lǐng)域。 目前用于GaN外延生長的Si襯底主要是Si(111)襯底，其表面原子結(jié)構(gòu)為三重排列，可為六方結(jié)構(gòu)的GaN外延提供六重對稱表面。然而，Si(100)襯底是Si集成電路技術(shù)的主流襯底，獲得Si(100)襯底上GaN外延薄膜對于實現(xiàn)GaN器件和Si器件的集成至關(guān)重要。但Si(100)表面原子為四重對稱，外延生長時無法有效匹配；同時Si(100)表面存在二聚重構(gòu)體，導(dǎo)致GaN面內(nèi)同時存在兩種不同取向的晶疇。迄今國際上還未能實現(xiàn)標(biāo)準(zhǔn)Si(100)襯底上單晶GaN薄膜的外延生長。圖 Si(100)襯底上單晶GaN薄膜的外延生長 沈波和楊學(xué)林課題組創(chuàng)造性地使用單晶石墨烯作為緩沖層，在Si(100)襯底上實現(xiàn)了單晶GaN薄膜的外延生長，并系統(tǒng)研究了石墨烯上GaN外延的成核機理和外延機制。該突破不僅為GaN器件與Si器件的集成奠定了科學(xué)基礎(chǔ)，而且對當(dāng)前國際上關(guān)注的非晶襯底上氮化物半導(dǎo)體外延生長和GaN基柔性器件研制具有重要的指導(dǎo)價值。

上限低，可反向?qū)ǎ琩v/dt擾動和di/dt擾動等。該項成果設(shè)計出適用于N型常關(guān)GaN器件的半橋柵驅(qū)動電路，通過分離充放電路徑避免柵驅(qū)動電壓振鈴現(xiàn)象的發(fā)生和dV/dt現(xiàn)象對柵驅(qū)動電路的干擾；同時利用高端柵極鉗位技術(shù)，在自舉充電路徑中對BOOT電容進行鉗位，防止對上開關(guān)管的損壞。 半橋GaN柵驅(qū)動電路主要指標(biāo)為： ？ 獨立的高側(cè)和低側(cè)TTL邏輯輸入 ？ 1.2A/5A 峰值上拉和下拉電流 ？ 高端浮動電壓軌到100V ？ 0.6Ω/2.1Ω 下拉和上拉電阻 ？ 快速的延遲時間 (28ns typ) ？ 非常優(yōu)越的延時匹配（1.5ns typ）

該項成果設(shè)計出適用于N型常關(guān)GaN器件的半橋柵驅(qū)動電路，通過分離充放電路徑避免柵驅(qū)動電壓振鈴現(xiàn)象的發(fā)生和dV/dt現(xiàn)象對柵驅(qū)動電路的干擾；同時利用高端柵極鉗位技術(shù)，在自舉充電路徑中對BOOT電容進行鉗位，防止對上開關(guān)管的損壞。

隨著計算智能方法得到更廣泛的應(yīng)用，其從問題本身學(xué)習(xí)的能力亟待增強。為此，越來越多研究提出使用機器學(xué)習(xí)模型來驅(qū)動計算智能。通常，這種基于模型的進化算法的性能高度依賴于所采用模型的訓(xùn)練質(zhì)量。而傳統(tǒng)機器學(xué)習(xí)方法需要大量訓(xùn)練數(shù)據(jù)進行模型訓(xùn)練，而且受維度災(zāi)難的影響，這類方法通常很難解決維度較高的問題，約束了計算智能方法的應(yīng)用范疇。課題組在IEEE Transactions on Cybernetics上發(fā)表了一種由生成對抗網(wǎng)絡(luò)（GAN）驅(qū)動的進化多目標(biāo)算法。