InGaAs（P）分别限制应变单量子阱激光器的优化设计

针对较常用的ＩｎＧａＡｓ（Ｐ）分别限制应变单量子阱激光器，给出了为得到最大净增益的优化设计参数。对于激射波长为１．５５μｍ的无应变激光器，最佳的光限制层波长为１．２４μｍ，厚度为１００ｎｍ。当阱材料引入压缩应变后．由于价带的有效状态密度减小，量子阱激光器的微分增益变大，阱深的增大对增大线性增益的效果更加明显．所以最佳光限制层的波长将变短，为１．２０μｍ     

Si/InP键合界面的研究

应用疏水处理方法成功实现了Si/InP的键合,然后通过对InP和Si的表面XPS能谱分析得到界面信息,从而了解键合机理.I-V曲线也反应了键合界面的性质,通过450、550℃退火样品的伏安特性可知道,对于InP/Si键合结构而言,退火温度与界面特性应该存在最佳值.     

O3有效钝化多孔硅的研究

开发了用O3氧化钝化多孔Si（PS）的实用工艺方法。O3的基本作用是对Si-Hx和Si悬挂键（DB）的充分氧化，经过随后158d贮存的老化实验，得到了表面Si—H，键完全被Si-O3膜和Si-烷基膜所替代并覆盖的PS，其光致发光（PL）强度达到稳定的增强，这归因于PS纳米晶粒的表面势垒高度的提高以及量子效率的提高。     

Si-Si直接键合的研究及其应用

硅片直接键合技术是一种简单易行的硅片熔合技术,由于该技术不受材料的结构、晶向和点阵参数的影响,因而得到了广泛的应用。介绍了硅片直接键合的方法和键合模型,并简单介绍了硅片直接键合技术的应用。     

UHV/CVD法生长硅基低位错密度厚锗外延层

采用超高真空化学气相淀积系统,以高纯Si2 H6和GeH4作为生长气源,用低温缓冲层技术在Si(001)衬底上成功生长出厚的纯Ge外延层.对Si衬底上外延的纯Ge层用反射式高能电子衍射仪、原子力显微镜、X射线双晶衍射曲线和Ra-man谱进行了表征.结果表明在Si基上生长的约550nm厚的Ge外延层,表面粗糙度小于1nm,XRD双晶衍射曲线和Ra-man谱Ge-Ge模半高宽分别为530'和5.5cm-1,具有良好的结晶质量.位错腐蚀结果显示线位错密度小于5×105cm-2可用于制备Si基长波长集成光电探测器和Si基高速电子器件.     

太赫兹Si/SiGe量子级联激光器波导模拟

波导层结构设计是制备太赫兹(THz)量子级联激光器的关键问题之一.本文基于德鲁得(Drude)模型,利用时域有限差分(FDTD)法,对Si/SiGe量子级联激光器的波导层进行优化设计,从理论上对传统的递变折射率波导、单面金属波导、双面金属波导以及金属/金属硅化物波导横磁模(TM模)的模式损耗和光场限制因子进行了对比分析.结果表明,金属/金属硅化物波导不但可以减小波导损耗,而且有很高的光学限制因子,同时其工艺也比双面金属波导容易实现,为Si/SiGe太赫兹量子级联激光器波导层的设计提供了一定的理论指导.     

P型张应变Si/SiGe量子阱红外探测器的能带设计

提出P型张应变Si/SiGe量子阱红外探测器(QWIP)结构,应用k·P方法计算应变Si/SiGe量子阱价带能带结构和应变SiGe合金空穴有效质量.结果表明量子阱中引入张应变使轻重空穴反转,基态为有效质量较小的轻空穴态,因此P型张应变Si/SiGe QWIP与n型QWIP相比具有更低的暗电流;而与P型压应变或无应变QWIP相比光吸收和载流子输运特性具有较好改善.在此基础上讨论了束缚态到准束缚态子带跃迁型张应变p-Si/SiGe QWIP的优化设计.     

Si/Si键合结构的电学性质测量及模拟

研究Si／Si键合的电学性质对于界面研究和微电子器件的制备有着重要意义。分析了亲水处理方法键合的不同Si／Si键合结构的I—V特性，然后用SOS模型对n—Si／n—Si的C—V特性做了计算机辅助模拟，并和实际C—V曲线比较得出了平带电压VFB和界面态密度Din，这些结果对于键合的界面性质的了解和研究都是有意义的。     

Ge/Si(100)量子点生长与形态分布的研究

利用超高真空化学气相淀积系统,通过控制淀积量、温度、流量等生长参数,在n型Si(100)衬底上自组装生长了一系列Ge量子点样品,用原子力显微镜进行了表征与分析.系统地研究了生长参数对Ge岛形态分布的影响并分析了有序、高密度Ge岛的生长机理.结果表明,从二维向三维岛跃迁后,最初形成的高宽比(高度与底宽的比值)在0.04～0.06之间的小岛是一种在低温下可以与圆顶岛共存的稳定岛,两种岛的分布随淀积参数的变化而变化.在高温下小岛几乎消失,流量的变化对小岛的密度影响较小.实验中获得小岛的密度最高为2.6×1010cm-2,圆顶岛的密度最高为4.2×109cm-2.     

基于区域神经网络的TFT-LCD电路缺陷检测方法

对薄膜晶体管液晶显示器（TFT-LCD）边框电路中细微、复杂的缺陷进行检测,一直是自动光学检测（AOI）的一个难点。本文提出基于改进的快速区域神经网络（FasterR-CNN）算法对TFT-LCD边框电路的缺陷进行检测。首先在共享卷积层进行特征提取,然后通过多层的区域提议网络结构生成精确候选区域,根据候选区域的特征和目标分类实现对缺陷的识别和定位。同时设计多种有效的网络结构并详细分析网络层深度及卷积核大小对检测效果的影响,最后进行不同算法的比较。在实际构建的数据集上实验,结果表明本文方法具有良好的检测效果,对6种类别的液晶屏边框电路缺陷识别定位达到平均每张0.12s的检测速度和94.6%的准确率。