【器件论文】基于解析法与 PSO 建模 NiO/Ga₂O₃ 异质结二极管电容温度依赖性分析

        由阿尔及利亚比斯克拉大学的研究团队在学术期刊 International Journal of Numerical Modelling: Electronic Networks, Devices and Fields 发布了一篇名为 Analysis of the Temperature Dependence of the Capacitance of NiO/Ga₂O₃ Heterojunction Diodes Using Analytical and PSO Modelling（基于解析法与 PSO 建模 NiO/Ga₂O₃ 异质结二极管电容温度依赖性分析）的文章。

摘要

        NiO/Ga₂O₃ 异质结因其在电力电子学和光电子学领域的潜在应用而备受关注。准确提取电容-电压（C-V）参数对于理解其电学特性及相关基本物理现象至关重要。本研究针对热退火前后 NiO/Ga₂O₃ 异质结二极管（HJD）的温度依赖性 C-V 特性展开探究。通过经典解析建模（CAM）及基于粒子群优化（PSO）算法的人工智能（AI）技术，从这些特性中提取了电压势垒（V_B）和有效掺杂浓度（N_eff）。结果显示 N_eff 随温度升高而降低，这种异常行为与 Ga₂O₃ 中的深能级缺陷相关。通过深能级瞬态光谱（DLTS）和 Laplace-DLTS（LDLTS）测量揭示的陷阱被用于 SCAPS 模拟。首先考虑理想 NiO/Ga₂O₃ HJD，随后纳入新鲜样品与退火样品的缺陷。结果证实了陷阱的影响，且与观测模式一致。温度依赖的能带图演变为该现象提供了更深入的认识。此外，将 PSO 算法结果与 CAM 算法进行对比，发现 PSO 在参数提取方面具有更优精度——其均方根误差(RMSE)值显著降低，最低可达 4.65 × 10⁻¹³。该方法为评估 Ga₂O₃ 基异质结器件的 C-V 特性提取参数提供了更优解决方案。

原文链接：

https://doi.org/10.1002/jnm.70103