Identification of complex defect has been a long-sought-after physics problem for controlling the defect population and engineering the useful properties in wide bandgap oxide semiconductors. Here we report a systematic study of (GaZn-VZn)- acceptor complex defect via zinc self-diffusion in Ga-doped ZnO isotopic heterostructures, which were conceived and prepared with delicately controlled growth conditions. The secondary ion mass spectrometry and temperature-dependent Hall-effect measurements reveal that a high density of controllable (GaZn-VZn)- is the predominant compensating defect in Ga-doped ZnO. The binding energy of this complex defect obtained from zinc self-diffusion experiments (~0.78 eV) well matches the electrical activation energy derived from the temperature-dependent electrical measurements (~0.82 eV). The compensation ratios were quantitatively calculated by energetic analysis and scattering process to further validate the compensation effect of (GaZn-VZn)- complex in Ga-doped ZnO. Meanwhile, its energy level structure was suggested based on the photoluminescence spectra, and the lifetime was achieved from the time-resolved photoluminescence measurements. The electron transitions between the (GaZn-VZn)- complex defect levels emit the light at ~650 nm with a lifetime of 10-20 nanoseconds. These findings may greatly pave the way towards novel complex defects-derived optical applications.


翻译:复杂缺陷的识别是一个长期寻求的物理问题,用于控制缺陷人口和工程使用宽带氧化物半导体的有用性能。我们在这里报告一项系统研究(GaZn-VZn)接受或复杂的缺陷,通过加多盘 ZnO 的锌自扩散(~0.78 eV)获得的接受或复杂的缺陷,与依赖温度的电测量(~0.82 eV)获得的电动能相匹配。补偿率是通过高强度分析和分散过程从数量上计算得出的,以进一步证实(Ga-Zn-VZn)在加多点ZnO中的新应用(GaZn-VZn)的高密度是Ga-doped ZnO的主要补偿性缺陷。同时,从锌自扩散实验获得的锌自扩散试验(~0.78 eV)获得的复杂缺陷的结合能量,与依赖温度的电量测量(~0.82 eVV)产生的电动电动电动电动电动电动结构(~0.82 eVV) 补偿比率是通过高强度分析和分散过程计算的,以进一步验证(GaZn-20-20级的中央-20级的光级中,从光层光级的光级的光级平平平平平平平平平平层的电压结构所实现。

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Structure Aware SLAM using Quadrics and Planes
Arxiv
4+阅读 · 2018年8月13日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
4+阅读 · 2018年5月4日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
6+阅读 · 2016年1月15日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
相关论文
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Structure Aware SLAM using Quadrics and Planes
Arxiv
4+阅读 · 2018年8月13日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
4+阅读 · 2018年5月4日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
6+阅读 · 2016年1月15日
Top
微信扫码咨询专知VIP会员