项目名称: AlInGaN基材料光偏振调制及其在深紫外LED上应用研究

项目编号: No.51502061

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 一般工业技术

项目作者: 王东博

作者单位: 哈尔滨工业大学

项目金额: 20万元

中文摘要: 由于体积小、寿命长、能耗低、波长可调等优点紫外LED 比传统光源有更大优势,在众多领域有广泛应用潜力。高Al组分AlGaN光偏振模式转变导致的量子阱出光效率低是造成深紫外LED量子效率低的主因,严重制约了深紫外LED的商业化。前期研究表明AlInGaN在深紫外波段有良好的晶体质量和带边发光性能,但是对AlInGaN光偏振调制的研究国内外尚无报道。本项目首先基于第一性原理研究AlInGaN薄膜光偏振模式转换与能带分裂的内在关联。其次,建立并完善AlInGaN量子阱的K.P模型,将应力关系引入模型中,建立以垒、阱层组分为基本参量的耦合方程。通过解方程求得不同结构条件下量子阱光偏振转换的临界组分。最后根据所得结构参数制备具有良好量子效率的AlInGaN深紫外量子阱。力图从能带工程出发,以理论结合实验的方法,实现对于AlInGaN光偏振的人工调制,为高效深紫外LED的制备提供新思路。

中文关键词: GaN;AlInGaN;LED;;量子阱;深紫外

英文摘要: Compare with the conventional UV lights, LED has a lot of advantages such as high luminous efficiency, environmental protection, long life and has extensive potential applications in numerous fields. The low light extraction efficiency caused by light polarization switching as a high Al content in active region, Is the main factors leading to the low LED quantum efficiency, seriously restricted the development of deep UV LED. Due to the lattice constants and band width can independently adjust, AlInGaN with good crystal quality in deep ultraviolet region. But there is no reports on optical polarization of AlInGaN. Firstly, construction first principle mode of AlInGaN, research on the energy band change with the component various, found the contact on polarization switching with the component. Secondly, to build and improve the K.P model of AlInGaN quantum well, introduced the strain into the model, to establish barrier, well layercomponent as the basic parameters of the effective mass coupling equation. Throughthe critical conditions under the conditions of different quantum well optical polarizationtransformation equation. Finally, the calculated structure, using the technology of MBE epitaxial growth has excellent luminous efficiency AlInGaN deep ultraviolet quantum well, through the research of this project, is expected to provide active area materials selection and a new theoretical model for high efficiency deep UV LED.

英文关键词: GaN;AlInGaN;LED;quantum well;deep UV

成为VIP会员查看完整内容
0

相关内容

专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
21+阅读 · 2021年8月10日
专知会员服务
40+阅读 · 2021年7月24日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
94+阅读 · 2021年2月6日
生成对抗网络GAN在各领域应用研究进展(中文版),37页pdf
专知会员服务
150+阅读 · 2020年12月30日
最新《生成式对抗网络GAN时空数据应用》综述论文,28pdf
专知会员服务
108+阅读 · 2020年5月21日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
202+阅读 · 2019年9月30日
万字综述之生成对抗网络(GAN)
PaperWeekly
43+阅读 · 2019年3月19日
Self-Attention GAN 中的 self-attention 机制
PaperWeekly
12+阅读 · 2019年3月6日
探幽深度生成模型的两种方法:VAE和GAN
AI前线
15+阅读 · 2018年3月10日
【GAN】生成式对抗网络GAN的研究进展与展望
产业智能官
12+阅读 · 2017年8月31日
GAN | GAN介绍(1)
中国科学院网络数据重点实验室
17+阅读 · 2017年7月26日
wGAN如何解决GAN已有问题(附代码实现)
数据派THU
17+阅读 · 2017年6月27日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Synthesizing Informative Training Samples with GAN
Arxiv
0+阅读 · 2022年4月15日
Arxiv
11+阅读 · 2018年3月23日
Arxiv
10+阅读 · 2018年2月17日
Arxiv
11+阅读 · 2018年1月15日
Arxiv
12+阅读 · 2018年1月12日
小贴士
相关主题
相关VIP内容
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
21+阅读 · 2021年8月10日
专知会员服务
40+阅读 · 2021年7月24日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
94+阅读 · 2021年2月6日
生成对抗网络GAN在各领域应用研究进展(中文版),37页pdf
专知会员服务
150+阅读 · 2020年12月30日
最新《生成式对抗网络GAN时空数据应用》综述论文,28pdf
专知会员服务
108+阅读 · 2020年5月21日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
202+阅读 · 2019年9月30日
相关资讯
万字综述之生成对抗网络(GAN)
PaperWeekly
43+阅读 · 2019年3月19日
Self-Attention GAN 中的 self-attention 机制
PaperWeekly
12+阅读 · 2019年3月6日
探幽深度生成模型的两种方法:VAE和GAN
AI前线
15+阅读 · 2018年3月10日
【GAN】生成式对抗网络GAN的研究进展与展望
产业智能官
12+阅读 · 2017年8月31日
GAN | GAN介绍(1)
中国科学院网络数据重点实验室
17+阅读 · 2017年7月26日
wGAN如何解决GAN已有问题(附代码实现)
数据派THU
17+阅读 · 2017年6月27日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月18日
Synthesizing Informative Training Samples with GAN
Arxiv
0+阅读 · 2022年4月15日
Arxiv
11+阅读 · 2018年3月23日
Arxiv
10+阅读 · 2018年2月17日
Arxiv
11+阅读 · 2018年1月15日
Arxiv
12+阅读 · 2018年1月12日
微信扫码咨询专知VIP会员