DP读书:半导体物理考试重点

半导体物理重点🥳🥳🥳

半导体中电子的状态和能带

半导体的单晶材料和其他固态晶体材料一样,是由大量原子周期性重复排列而成,而每个原子又包含原子核和许多电子。

半导体单晶材料中的带电子是指:半导体晶体中的大量电子。

晶体结构

  • 金刚石型结构【 S i Si Si】 面心立方【共价键】
  • 闪锌矿型结构【 G a A s GaAs GaAs】六角立方【混合键】

晶格常数

  • 0.53

绝缘体 ——> 禁带宽度与半导体差别较大

电子公有化运动

公有化是指电子可以在不同原子中的相似轨道上转移,原子的外层电子(高能级)势垒穿透概率较大,电子可以在整个固体中运动。

有效质量 m n ∗ m_n^* mn

半导体中的电子即使在没有外加电场的作用时,也要受到半导体内部原子及其他电子的势场作用。引入有效质量可以使问题变得简单,外力 f f f和电子的加速度联系起来,内部势场由有效质量加以概括。
1 m n ∗ = 1 ћ 2 ( d E 2 d K 2 ) \cfrac{1}{m_n^*}=\cfrac{1}{ћ^2}(\cfrac{dE^2}{dK^2}) mn1=ћ21(dK2dE2)

价带、满带:被电子填满的能带

导带、空带:被电子填充的能带【激发态能级构成,未激发时空着】

( E c − E v ) 称为禁带宽度 E g ,表示空穴所需的能量 (E_c-E_v)称为禁带宽度E_g,表示空穴所需的能量 (EcEv)称为禁带宽度Eg,表示空穴所需的能量

半导体中杂质和缺陷能级

  • 替为式杂质
  • 间隙式杂质

杂质半导体的导电机构

杂质半导体:

  • n型(n>p)电子浓度>空穴 电子导电为主
  • p型(n<p)电子浓度<空穴 空穴导电为主
N型半导体 杂质激发==》n型==》提供电子 施主能级donor
  • 施主能级:拥有较小束缚能的电子形成带负电的载流子
  • 😶‍🌫️形成过程描述:n型半导体Si、Ge等渗入少量五价的杂质元素(如P、As等)形成电子型半导体
P型半导体 空穴激发==》p型==》提供空穴 受主能级acceptor
  • P型半导体Si、Ge等渗入少量三价杂质元素(如B、Ga、In等)空穴型半导体。

👽👻导带中的费米浓度

n 0 p 0 = N c N v e − E c − E F k 0 T n_0p_0=N_cN_ve^{-\cfrac{E_c-E_F}{k_0T}} n0p0=NcNvek0TEcEF

= N c N v e − E g k 0 T =N_cN_ve^{-\cfrac{E_g}{k_0T}} =NcNvek0TEg

= N c N v e x p ( − E g k 0 T ) =N_cN_vexp({-\cfrac{E_g}{k_0T}}) =NcNvexp(k0TEg)

= n i 2 =n_i^2 =ni2

😶‍🌫️😶‍🌫️本征费米能级 E i E_i Ei

n 0 = N c e − E c − E F k 0 T n_0=N_ce^{-\cfrac{E_c-E_F}{k_0T}} n0=Ncek0TEcEF

p 0 = N v e − E F − E v k 0 T p_0=N_ve^{-\cfrac{E_F-E_v}{k_0T}} p0=Nvek0TEFEv

处于热平衡状态的载流子 n 0 n_0 n0(电子)和 p 0 p_0 p0(空穴) 称为热平衡载流子

🤷‍♀️状态密度 g ( E ) g(E) g(E)

状态密度 g ( E ) g(E) g(E),(能态密度),简称态密度。

求状态密度 g ( E ) g(E) g(E)的一般步骤,
E ( k ) = ћ 2 2 m n ∗ ( k x 2 + k y 2 ) E(k)=\cfrac{ћ^2}{2m_n^*}(k_x^2+k_y^2) E(k)=2mnћ2(kx2+ky2)

= ћ 2 2 m n ∗ k 2 =\cfrac{ћ^2}{2m_n^*}k^2 =2mnћ2k2

d E ∼ d Ω dE\sim d \Omega dEdΩ

d Z = 状态密度 × d Ω dZ=状态密度\times d \Omega dZ=状态密度×dΩ

g ( E ) = = d ( Z ) d ( E ) g(E)==\cfrac{d(Z)}{d(E)} g(E)==d(E)d(Z)

🫥🫥🫥电导率

σ = n q μ \sigma=nq\mu σ=nqμ

🤷‍♂️🤷‍♂️准费米能级

电子准费米能级——非平衡态不重合

空穴准费米能级——平衡态重合

😏复合方式

  • 光子复合
  • 声子符合
  • 俄歇复合

🐳🐳🐳爱因斯坦关系式

d n ( x ) d x = n 0 ( x ) q k 0 T d V ( x ) d x \cfrac{dn(x)}{dx}=n_0(x)\cfrac{q}{k_0T}\cfrac{dV(x)}{dx} dxdn(x)=n0(x)k0TqdxdV(x)

∣ E ∣ = − d V ( x ) d x |E|=-\cfrac{dV(x)}{dx} E=dxdV(x)

n 0 ( x ) μ n ∣ E ∣ = − D n d n 0 ( x ) d x n_0(x)\mu_n|E|=-D_n\cfrac{dn_0(x)}{dx} n0(x)μnE=Dndxdn0(x)


得, D n μ n = k 0 T q 得,\cfrac{D_n}{\mu_n}=\cfrac{k_0T}{q} 得,μnDn=qk0T


对于空穴, D p μ p = k 0 T q 对于空穴,\cfrac{D_p}{\mu_p}=\cfrac{k_0T}{q} 对于空穴,μpDp=qk0T

玻尔兹曼方程

E − E F > > k 0 T E-E_F>>k_0T EEF>>k0T 时,

f B ( E ) = e − E − E F k 0 T f_B(E)=e^{-\cfrac{E-E_F}{k_0T}} fB(E)=ek0TEEF
电子的玻尔兹曼分布函数——能量为 E E E的量子态被电子占据的几率

E < < E F E<<E_F E<<EF 时,
f B ( E ) = e − E − E F k 0 T f_B(E)=e^{-\cfrac{E-E_F}{k_0T}} fB(E)=ek0TEEF
电子的玻尔兹曼分布函数——能量为 E E E的量子态被电子占据的几率

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.mzph.cn/diannao/28796.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩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

vue页面带滚动条,打开新页面页面不置顶的问题

第一个思路还是找router下的index.jsexport default new Router({mode: history, // 去掉url中的#scrollBehavior: () > ({ y: 0 }),routes: constantRoutes })如果不成功可以再试试在内容区设置document.body.scrollTop 设置为0如果有默认class名&#xff0c;通过路由监听修…

PHP入门教程3:数组和字符串操作

PHP入门教程3&#xff1a;数组和字符串操作 在前两篇文章中&#xff0c;我们学习了PHP的基础语法、控制结构和函数的使用。本文将重点介绍数组和字符串的高级操作&#xff0c;这些是PHP编程中非常常见且重要的内容。本文将包含以下几个部分&#xff1a; 数组的类型和操作多维…

C# 泛型分析

1、object类型是一切类型的父类。 2、通过继承&#xff0c;子类拥有父类的一切属性和行为&#xff0c;任何父类出现的地方&#xff0c;都可以用子类来代替。 但是上面object类型的方法又会带来另外一个问题&#xff1a;装箱和拆箱&#xff0c;会损耗程序的性能。 在泛型类型…

在CDH中重启YARN组件时,JobHistoryServer服务启动失败

问题描述 在CDH中重启YARN组件的JobHistoryServerJobHistoryServer服务时&#xff0c;遇到如下错误。 错误一&#xff1a; Stopping JobHistory 上午10点44:40.553分 INFO AbstractService Service org.apache.hadoop.mapreduce.v2.hs.JobHistoryServer failed in state INI…

eNSP由于Cloud网卡设置错误引起的STP环路机制问题

现象&#xff1a;SW1和SW2之间直连&#xff08;vlan13&#xff09;不可达&#xff0c;但是断开左边的Cloud云的虚拟之后可达&#xff08;设置g0/0/1口为down) ,接口协议均up&#xff0c;配置正确。 查看生成树状态&#xff1a; 发现&#xff0c;SW2的g0/0/4接口为阻塞状态&…

[机器学习] Stable Diffusion初体验——基于深度学习通过神经网络的强大AI平台

文章目录 前言平台介绍 一.创建应用 Stable Diffusion WebUI初始化上传模型&#xff0c;VAE&#xff0c;lora 介绍sd模型&#xff0c;vae&#xff0c;lora模型进入应用文生图工作区调参区图生图 结语 前言 在这个信息爆炸的时代&#xff0c;AI技术正以前所未有的速度发展着。图…

微服务开发与实战Day07 - MQ高级篇

一、消息可靠性问题 首先&#xff0c;分析一下消息丢失的可能性有哪些。 消息从发送者发送消息&#xff0c;到消费者处理消息&#xff0c;需要经过的流程是这样的&#xff1a; 消息从生产者到消费者的每一步都可能导致消息丢失&#xff1a; 发送消息时丢失&#xff1a; 生产…

2024.6.17 刷题总结

2024.6.17 **每日一题** 522.最长特殊序列 Ⅱ&#xff0c;本题为前者的升级版&#xff0c;从两个字符串变成一个字符串序列了&#xff0c;所以我们需要依次枚举字符串来进行判断。先写一个判断两字符串是否相等的函数&#xff0c;然后枚举字符串逐个判断是否相等&#xff0c;若…

逆风破浪之中国半导体产业迈向全球舞台的坚实步伐

在科技飞速发展的今天&#xff0c;芯片技术已成为推动现代科技进步的核心动力。在这个全球芯片市场的激烈竞争中&#xff0c;中国作为“后来者”&#xff0c;不仅没有被淘汰&#xff0c;反而凭借惊人的发展潜力和创新能力&#xff0c;逐步崭露头角&#xff0c;成为全球芯片行业…

引调水设计乙级资质中技术负责人安排哪个专业?

引调水设计乙级资质中的技术负责人一般应具备与水利工程特别是引调水工程相关的专业背景。技术负责人通常需要满足以下条件&#xff1a; 大专以上学历&#xff1b;至少10年的设计工作经验&#xff1b;具有中级以上专业技术职称&#xff1b;在引调水工程方面具有至少2项项目设计…

Leetcode275 H指数II

题目描述 给定一个二叉树, 找到该树中两个指定节点的最近公共祖先。 百度百科中最近公共祖先的定义为&#xff1a;“对于有根树 T 的两个节点 p、q&#xff0c;最近公共祖先表示为一个节点 x&#xff0c;满足 x 是 p、q 的祖先且 x 的深度尽可能大&#xff08;一个节点也可以…

第二证券:新股“肉签”不断,今日两只申购!光伏巨头小伙伴来了

本周&#xff08;6月17日—6月21日&#xff09;&#xff0c;A股商场将迎来两只新股&#xff0c;分别为沪市主板的永臻股份和创业板的爱迪特&#xff0c;均将于本周一进行申购。 资料显现&#xff0c;永臻股份是国内领先的铝合金光伏结构件制造商&#xff0c;公司发行价为23.35…

俄罗斯方块小游戏(附源码)

游戏展示 一.导包 import turtle import random 二.定义一个Block类 定义一个Block类&#xff0c;用于表示游戏中的方块&#xff0c;包含颜色和形状。 class Block:def __init__(self, color, tiles):self.color colorself.tiles tiles三.定义了7个不同的Block对象 定义了7…

docker通过容器id查看运行命令;Portainer监控管理docker容器

1、docker通过容器id查看运行命令 参考&#xff1a;https://blog.csdn.net/a772304419/article/details/138732138 docker inspect 运行镜像id“Cmd”: [ “–model”, “/qwen-7b”, “–port”, “10860”, “–max-model-len”, “4096”, “–trust-remote-code”, “–t…

C# Winform内嵌窗体(在主窗体上显示子窗体)

在开发Winform项目中&#xff0c;经常会要切换不同的窗体。通常程序都有一个主窗体&#xff0c;在切换窗体时往往需要关闭其他子窗体&#xff0c;这个实例就来介绍MDI主窗体内嵌子窗体的实现方法。 MDI主窗体要设置一个比较重要的属性&#xff0c;IsMdiContainertrue。子窗体的…

论文阅读——ApeGNN- Node-Wise Adaptive Aggregation in GNNs for Recommendation

ApeGNN: Node-Wise Adaptive Aggregation in GNNs for Recommendation ApeGNN&#xff1a;GNN 中的节点自适应聚合以进行推荐 Abstract 近年来&#xff0c;图神经网络&#xff08;GNN&#xff09;在推荐方面取得了长足的进步。基于 GNN 的推荐系统的核心机制是迭代聚合用户-…

ThinkPHP 的老漏洞仍然被攻击者钟情

研究人员发现安全领域出现了令人不安的趋势&#xff1a;攻击者不仅对新披露的漏洞十分感兴趣&#xff0c;对已知的漏洞也丝毫不放过&#xff0c;尽管有些漏洞已经存在了好些年头&#xff0c;攻击者仍然能够通过老漏洞成功完成攻击。 典型的例子就是 ThinkPHP 远程代码执行漏洞…

轨迹优化 | 图解欧氏距离场与梯度场算法(附ROS C++/Python实现)

目录 0 专栏介绍1 什么是距离场&#xff1f;2 欧氏距离场计算原理3 双线性插值与欧式梯度场4 仿真实现4.1 ROS C实现4.2 Python实现 0 专栏介绍 &#x1f525;课程设计、毕业设计、创新竞赛、学术研究必备&#xff01;本专栏涉及更高阶的运动规划算法实战&#xff1a;曲线生成…

[Linux] Linux三剑客使用手册

一 作用 三者的功能都是处理文本&#xff0c;但侧重点各不相同。 grep更适合单纯的查找或匹配文本sed更适合编辑匹配到的文本awk功能最强大&#xff0c;但也最复杂。awk更适合格式化文本&#xff0c;对文本进行较复杂格式处理。 二 grep 2.1 命令格式 grep [option] patter…

深度学习之激活函数

激活函数&#xff08;Activation Function&#xff09;是一种添加到人工神经网络中的函数&#xff0c;旨在帮助网络学习数据中的复杂模式。在神经元中&#xff0c;输入的input经过一系列加权求和后作用于另一个函数&#xff0c;这个函数就是这里的激活函数。 1. 为什么需要激活…