基于TCAD与紧凑模型结合方法探究陷阱对AlGaN/GaN HEMTs功率附加效率及线性度的影响

来源:Investigation of Traps Impact on PAE and Linearity of AlGaN/GaN HEMTs Relying on a Combined TCAD–Compact Model Approach(TED 24年)

摘要

本文提出了一种新型建模方法,用于分析GaN HEMTs的微波功率性能。通过结合工艺计算机辅助设计(TCAD)物理仿真和电路设计标准的紧凑型陷阱模型,首次直接关联了表面陷阱和缓冲层陷阱与功率附加效率(PAE)及输出功率(Pout)。在TCAD分析陷阱定位的启发下,创建了一个包含RC子网络和非线性缩放函数的新陷阱模型结构。利用基于TCAD的提出的陷阱模型提取,量化了表面陷阱效应,观察到因表面陷阱导致的Pout损失达3dBm,最大功率附加效率(PAEMAX)损失12%。此外,研究了漏极接入区二维电子气(2DEG)与PAEMAX及Pout的1dB压缩点(OP1 dB)之间的关联,并将其转化为陷阱密度(NT)与PAEMAX及OP1 dB之间的关联,从而创建了一种连接TCAD与射频大信号仿真的新直接方法。

索引词:GaN HEMT,大信号模型,微波,工艺计算机辅助设计(TCAD)建模,陷阱效应。
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

文章探讨了一种新的建模方法,用于分析AlGaN/GaN高电子迁移率晶体管(HEMTs)的微波功率性能,特别是陷阱对功率附加效率(PAE)和线性度的影响。研究结合了技术计算机辅助设计(TCAD)物理仿真与电路设计中标准的紧凑型陷阱模型,首次直接关联了表面陷阱和缓冲层陷阱与PAE及输出功率(Pout)的关系。通过TCAD分析,作者创建了一个新型的陷阱模型结构,该结构包含一个RC子网络以及非线性缩放函数,以模拟陷阱的定位和效果。

研究发现,表面陷阱导致Pout降低3 dBm,PAE最大值(PAEMAX)降低12%。此外,研究还探讨了漏极接入区的二维电子气(2DEG)密度与PAEMAX及Pout的1dB压缩点(OP1dB)之间的关系,并将此关系转化为陷阱密度(NT)与PAEMAX及OP1dB之间的直接关联,从而在紧凑型模型与射频大信号仿真之间建立起新的直接联系。

通过TCAD校准、测量、脉冲I-V及小信号仿真,研究团队成功提取了相关参数,并利用这些参数进行谐波平衡(HB)仿真,验证了模型的准确性。仿真结果显示,表面陷阱影响最大输出功率和效率,而缓冲层陷阱影响增益变化。通过这些分析,研究提供了一种可靠的方法,能在无需反复回到TCAD的情况下,直接通过调整紧凑型模型中的参数来研究不同陷阱密度对器件性能的影响,提升了模型的物理基础和预测精度。

文章结论部分指出,提出的模型改进方法不仅适用于分析表面和缓冲层陷阱对GaN HEMTs功率性能的影响,还能用于其它物理效应的关联,提高了模型预测复杂系统中器件行为的能力,尤其是在存在时间可变的关断周期系统中。研究成果有助于深入理解陷阱效应对器件性能的负面影响,从而为优化GaN HEMTs设计、提高其在微波功率应用中的性能提供了有力支持。

文章的研究方法

文章采用了一种创新的建模方法,旨在分析AlGaN/GaN HEMTs的微波功率性能,特别是陷阱对功率附加效率(PAE)和线性度的影响。该方法结合了TCAD(Technology Computer-Aided Design)物理仿真与电路设计中的标准紧凑型陷阱模型,首次实现了表面陷阱和缓冲层陷阱与PAE及输出功率(Pout)之间的直接关联。以下是研究方法的关键步骤:

  1. TCAD模拟与校准:首先,利用TCAD软件对器件进行物理仿真,包括考虑了表面陷阱和缓冲层陷阱的二维器件模拟。通过对工艺技术和外延层的理解,以及器件的测量、脉冲I-V特性、小信号仿真,进行TCAD校准,以确保仿真结果与实际器件性能相吻合。

  2. 新型陷阱模型创建:基于TCAD分析,创建了一个包含RC子网络和非线性缩放函数的新型陷阱模型。该模型直接反映了陷阱定位,特别是表面陷阱和缓冲层陷阱对器件性能的影响。

  3. 参数提取与模型升级:通过TCAD模拟的脉冲I-V曲线和S参数,提取紧凑型模型参数。升级了ASM-HEMT模型(一种高级SPICE模型),加入对陷阱效应的描述,通过修改电流源IDS和漏极接入电阻RD的相关参数(如voff和ns0accd),分别对应缓冲层陷阱和表面陷阱的影响。

  4. 模拟与验证:利用HB(Harmonic Balance)仿真,对改进后的模型进行RF大信号模拟,与实际的RF功率扫描测量结果进行对比验证,确保模型的准确性。模拟中,通过改变陷阱密度,观察其对PAE和Pout的影响。

  5. 物理效应与模型参数关联:通过TCAD数据,建立陷阱密度(NT)与PAE、Pout及2DEG(二维电子气)密度的直接关联,特别是与表面陷阱和漏极接入区电阻的关联,从而在不依赖TCAD的情况下,也能通过紧凑模型模拟这些参数。

  6. 性能分析:分析了不同陷阱密度下的器件性能,发现当NT低于某个阈值(约4×1012 cm-2)时,RF性能仅轻微受到影响;超过此阈值,则性能显著下降。表面陷阱主要影响最大输出功率和效率,而缓冲层陷阱影响增益变化。

  7. 模型应用与优化:模型的应用展示了如何在特定设备上调整参数,以精确预测表面和缓冲层陷阱对GaN HEMTs性能的影响。通过调整模型参数,如voff和ns0accd,可以准确地模拟不同偏置条件下的输出特性、转移特性等,以及在不同陷阱配置下的负载牵引轮廓。

该研究方法通过TCAD与紧凑模型的结合,为深入理解并预测GaN HEMTs在微波功率应用中的陷阱效应提供了一种有效的工具,同时也为器件设计优化和性能提升奠定了坚实基础。

文章的创新点

文章的创新点在于提出了一种新颖的建模方法,用于深入分析GaN HEMTs(氮化镓高电子迁移率晶体管)在微波功率应用中的性能,特别是聚焦于陷阱对功率附加效率(PAE)和线性度的影响。以下是几个关键的创新点:

  1. 综合TCAD与紧凑模型方法:首次直接将表面陷阱和缓冲层陷阱与PAE和输出功率(Pout)关联起来,通过结合TCAD物理仿真与电路设计中的标准紧凑型模型,实现了对器件性能影响的精确评估。

  2. 新型陷阱模型结构:设计了一种包含RC子网络和非线性缩放函数的新型陷阱模型,这一设计灵感来自于TCAD对陷阱定位的分析,能够更真实地模拟陷阱对电流行为的影响。

  3. 量化表面陷阱效应:通过TCAD提取的新型陷阱模型,量化了表面陷阱对Pout的直接影响,发现表面陷阱导致了3 dBm的Pout损失和最大PAE的12%降低,这是对器件性能影响的直接量化。

  4. 2DEG密度与性能关联:研究了漏极接入区2-D电子气(2DEG)密度与PAEMAX及Pout的1-dB压缩点(OP1dB)之间的关系,并进一步转化成陷阱密度(NT)与PAEMAX和OP1dB之间的直接关联,为理解陷阱密度对器件性能的影响提供了新途径。

  5. 直接连接TCAD与RF仿真:通过将ASM-HEMT模型参数与TCAD参数(如ns0accd和nsD)相关联,建立了从TCAD到RF大信号HB仿真之间直接连接的新方法,即使在陷阱密度变化时也能保持模型的适用性,无需反复回到TCAD进行校正。

  6. 性能退化机制理解:文章揭示了缓冲层陷阱主要影响增益变化,而表面陷阱主要降低最大输出功率和效率,为优化设计和改善GaN HEMTs的微波功率性能提供了物理机制上的深刻理解。

该研究通过其独特的模型设计和综合分析方法,不仅提升了对GaN HEMTs中陷阱效应的认识,还为设计人员提供了一种强大的工具,能够在无需实际制造和测试的情况下,预估和优化器件的功率和效率表现,对未来的高性能射频和微波器件设计具有重要意义。

文章的结论

文章的结论是,研究提出了一种新颖的建模方法,用于深入分析GaN HEMTs(氮化镓高电子迁移率晶体管)的微波功率性能,特别是在考虑物理效应对器件性能影响方面。通过结合TCAD(Technology Computer-Aided Design)物理仿真与电路设计中使用的标准紧凑型陷阱模型,研究首次直接将表面陷阱和缓冲层陷阱与功率附加效率(PAE)和输出功率(Pout)联系起来。研究创造了一种新的陷阱模型结构,包含RC子网络和非线性缩放函数,这是由TCAD分析中对陷阱定位的洞察所鼓励的。

研究发现表明,表面陷阱对输出功率有显著影响,导致3 dBm的Pout损失和最大PAE(PAEMAX)减少12%。此外,研究还探讨了2维电子气(2DEG)在漏极接入区域的浓度与PAEMAX及Pout的1-dB压缩点(OP1 dB)之间的关系,并成功将此转化为陷阱密度(NT)与PAEMAX和OP1 dB之间的直接相关性,从而创建了一种新的方法,直接将TCAD与射频大信号仿真联系起来,而无需再依赖TCAD去建立这种联系。

通过TCAD校准和参数提取,研究团队使用了改进的ASM-HEMT模型进行谐波平衡(HB)仿真,并通过与射频功率扫描测量结果的对比验证了模型的准确性。研究特别强调了表面陷阱在降低最大输出功率和效率方面的作用,而缓冲层陷阱则影响增益变化。此外,研究展示了如何利用这种模型方法来建立表面陷阱密度与器件最大可实现Pout和PAE之间的联系,证明了该方法在分析和预测GaN HEMTs在大信号射频操作中的性能退化的潜力。总之,该研究为理解和优化GaN HEMTs的功率性能提供了一种强有力的工具,特别是在面对复杂物理效应如陷阱效应时。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/357806.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python 虚拟环境 requirements.txt 文件生成 ;pipenv导出pip安装文件

搜索关键词: Python 虚拟环境Pipenv requirements.txt 文件生成;Pipenv 导出 pip requirements.txt安装文件 本文基于python版本 >3.9 文章内容有效日期2023年01月开始(因为此方法从这个时间开始是完全ok的) 上述为pipenv的演示版本 使用以下命令可精准生成requirement…

深度学习 --- stanford cs231学习笔记五(训练神经网络的几个重要组成部分之二,数据的预处理)

数据的预处理(Data Preprocessing) 2 Data Preprocessing数据的预处理 数据预处理的几种方法 2,1 数据的零点中心化 数据的零点中心化的目的就是为了把数据的整体分布拉回到原点附近,也就是让数据的整体均值变为0。 ​ 2,2 数据的标准化 数据…

TWM论文阅读笔记

这是ICLR2023的一篇world model论文,用transformer来做世界模型的sequence prediction。文章贡献是transformer-based world model(不同于以往的如transdreamer的world model,本文的transformer-based world model在inference 的时候可以丢掉…

【教学类65-01】20240622秘密花园涂色书01(通义万相)(A4横版2张,一大3小 38张纸76份)

背景需求: 用通义万相制作秘密花园涂色书 关键词(中文):秘密花园涂色书,简单笔画,卡通,黑白轮廓,未着色,幼儿插图,线条画,没有背景,没…

【计算机网络】已解决:“‘ping‘ 不是内部或外部命令,也不是可运行的程序或批处理文件”报错

文章目录 一、问题分析背景二、可能出错的原因三、错误代码示例四、正确解决方法与示例五、注意事项 已解决“‘ping’ 不是内部或外部命令,也不是可运行的程序或批处理文件”报错 一、问题分析背景 在Windows操作系统中,ping 命令是一个常用的网络诊断…

yii2 ActiveForm使用技巧

持续更新&#xff1a; 1、搜索输入框&#xff1a;form-inline <?php $form ActiveForm::begin([action > [index],method > get,options > [class > form-inline] &#xff08;增加此行代码&#xff09; ]); ?>

python watchdog 配置文件热更新

目录 一、Watchdog示例 二、aiohttp服务配置热更新 在同事的golang代码中学习到了config.json热更新的功能&#xff0c;这里自己也学习了一下python写web服务的时候怎么来实现配置的热更新。主要是利用Watchdog这个第三方python库&#xff0c;来监控文件系统的改变&#xff0…

卧槽,6。套死你猴子,Tomcat访问html页面显示源码?

卧槽&#xff0c;6。Tomcat访问html页面显示源码&#xff1f; 元凶text/explain //踩坑&#xff01;&#xff01;&#xff01;不能用 servletResponse.setContentType("text/explain&#xff0c;否则访问html会看到源码&#xff0c;而不是渲染页面; charsetUTF-8"…

体验了一下AI生产3D模型有感

我的实验路子是想试试能不能帮我建一下实物模型 SO 我选择了一个成都环球中心的网图 但是生成的结果掺不忍睹&#xff0c;但是看demo来看&#xff0c;似乎如果你能给出一张干净的提示图片&#xff0c;他还是能做出一些东西的 这里我延申的思考是这个物体他如果没看过背面&…

骑马与砍杀战团mod制作-基础-军队笔记(一)

骑马与砍杀战团mod制作-基础-军队装备笔记&#xff08;一&#xff09; 资料来源 学习的资料来源&#xff1a; b站【三啸解说】手把手教你做【骑砍】MOD&#xff0c;基础篇&#xff0c;链接为&#xff1a; https://www.bilibili.com/video/BV19x411Q7No?p4&vd_sourcea507…

测试测量-DMM直流精度

测试测量-DMM直流精度 最近去面试&#xff0c;发现了自己许多不足&#xff0c;比如我从未考虑过万用表准或者不准&#xff0c;或者万用表有多准&#xff1f; 在过去的实验室中&#xff0c;常用的DMM有KEYSIGHT 34401A以及 KEITHLEY THD2015&#xff0c;就以这两台为例&#x…

朴素贝叶斯案例

一、朴素贝叶斯算法&#xff1a; 朴素贝叶斯算法&#xff0c;是一种基于贝叶斯定理与特征条件独立假设的分类方法&#xff0c;基于贝叶斯后验概率建立的模型&#xff0c;它用于解决分类问题。朴素&#xff1a;特征条件独立&#xff1b;贝叶斯&#xff1a;基于贝叶斯定理。属于…

07-appium常用操作

一、press_keycode 1&#xff09;方法说明 press_keycode方法是appium的键盘相关函数&#xff0c;可以实现键盘的相关操作&#xff0c;比如返回、按键、音量调节等等。也可以使用keyevent方法&#xff0c;功能与press_keycode方法类似。 常见按键编码&#xff1a;https://www.…

FreeCAD中事务机制实现原理分析

1.基本实现思路 实现一个文件的撤销重做最简单的思想就是&#xff0c;在每个撤销重做节点处保存一份文件的内容&#xff0c;撤销重做时&#xff0c;分别替换对应节点处的文件内容即可。这种做法开销太大&#xff0c;每个节点处都需要保存一份完整的文档内容&#xff0c;每次撤…

Hadoop3:MapReduce中的Partition原理及自定义Partition

一、默认Partition分区配置 以WC案例来进行验证。 1、设置setNumReduceTasks 修改的代码 这行代码&#xff0c;确定了reduceTask的数量&#xff0c;也确定了分区逻辑 在mapper文件中&#xff0c;打上断点 计算分区的代码 这里会对每一个kv进行计算&#xff0c;然后&#…

【JavaEE】Spring Web MVC详解

一.基本概念. 1.什么是Spring Web MVC? 官方链接: https://docs.spring.io/spring-framework/reference/web/webmvc.html Spring Web MVC is the original web framework built on the Servlet API and has been included in the Spring Framework from the very beginning…

浅析MySQL-基础篇01

目录 执行一条select语句&#xff0c;发生了什么&#xff1f; MYSQL执行流程是怎么样的&#xff1f; 第一步&#xff1a;连接器 第二步&#xff1a;查询缓存 第三步&#xff1a;解析SQL 解析器 第四步&#xff1a;执行SQL 预处理器 优化器 执行器 执行一条select语句…

hive on spark 记录

环境&#xff1a; hadoop 2.7.2 spark-without-hadoop 2.4.6 hive 2.3.4 hive-site.xml <property><name>hive.execution.engine</name><value>spark</value> </property> <property><name>spark.yarn.jars</name>&l…

【git1】指令,commit,免密

文章目录 1.常用指令&#xff1a;git branch查看本地分支&#xff0c; -r查看远程分支&#xff0c; -a查看本地和远程&#xff0c;-v查看各分支最后一次提交, -D删除分支2.commit规范&#xff1a;git commit进入vi界面&#xff08;进入前要git config core.editor vim设一下vi模…

不用写一行代码,deepseek结合腾讯云语音识别来批量转录Mp3音频

首先&#xff0c;打开window系统中的cmd命令行工具&#xff0c;或者powershell&#xff0c;安装腾讯云tencentcloud的Python库 pip install -i https://mirrors.tencent.com/pypi/simple/ --upgrade tencentcloud-sdk-python 然后&#xff0c;开通腾讯云的对象存储COS服务&…