【氮化镓】位错对氮化镓(GaN)电子能量损失谱(EEL)的影响

本文献《Influence of dislocations on electron energy-loss spectra in gallium nitride》由C. J. Fall等人撰写,发表于2002年。研究团队通过第一性原理计算,探讨了位错对氮化镓(GaN)电子能量损失谱(EEL)的影响。研究发现,未装饰的全核心位错导致低损耗EEL光谱中低于块体起始能量的吸收。此外,边缘位错附近的氮原子的静电势变化显著,对核心损耗光谱的简单解释提出了质疑。研究还模拟了不同电荷状态下GaN边缘和螺旋位错的EEL光谱,并与实验数据进行了比较,发现理论结果与实验光谱一致。

研究背景: 氮化镓作为一种重要的宽禁带半导体材料,在光电子和微电子领域有着广泛的应用。位错作为晶体中的缺陷,对材料的电子结构和性能有着显著影响。因此,理解位错对GaN电子能量损失谱的影响对于提高材料性能具有重要意义。

研究目的: 本研究旨在通过第一性原理计算,探究GaN中边缘和螺旋位错对EEL光谱的影响,以及这些位错导致的能隙态对材料电子性质的影响。

研究方法: 研究团队采用了基于密度泛函理论的局部密度近似(LDA)和平面波赝势方法进行自洽的从头算模拟。通过构建包含位错的超胞模型,计算了GaN的低损耗和核心激发EEL光谱。同时,研究了不同电荷状态下位错的电子结构。

以下是具体的计算方法细节总结:

  1. 计算设置:

    • 作者使用了局部密度近似(LDA)作为交换相关近似,并利用AIMPRO代码进行从头算模拟。
    • 为了描述离子核心,使用了赝势方法,并包含了非线性核心修正以处理镓的3d电子。
    • 电荷密度在平面波中展开,截止能量为300 Ry,而波函数则使用针对块体系统优化的局域的s、p和d原子中心高斯轨道表示。
    • 结构优化使用每个原子上的dppp基组进行,而EEL光谱的计算则使用Ga的Al的dddd基组和N的dppp基组。
    • 使用Monkhorst-Pack k点网格进行布里渊区积分。
  2. 位错模型构建:

    • 作者考虑了两种方法来描述位错: a. 在144原子超胞中插入一对具有相反Burgers矢量的边缘位错。 b. 在120原子超胞-团簇混合中包含单个边缘位错,其中表面悬挂键通过额外的分数电荷氢原子饱和。
    • 对于螺旋位错,使用方法b进行研究,包含108个Ga和N原子。
    • 这两种技术都描述了无限长度的“0001”位错,并且在“0001”方向上保持了与c轴的体值周期性。
  3. EEL光谱理论计算:

    • 低损耗EEL光谱由价带和导带之间的电子跃迁产生,涉及能隙态的跃迁可以探测缺陷。
    • 实验信号代表了介电函数虚部的对角元素,通过在偶极近似下计算得到。
    • 通过Kramers-Kronig变换获得介电函数的实部,并且在计算中使用了多项式扩展方案,以避免洛伦兹函数在能隙区域低能量处的长尾效应。
  4. 核心激发EEL光谱计算:

    • 核心激发EEL光谱由N 1s核心电子向空的能隙态或导带态的电子跃迁产生。
    • 为了计算核心激发EEL光谱,作者们考虑了位错附近的原子键变化引起的局部电势变化,这些变化会影响核心能级的能源。
  5. 计算参数:

    • 计算使用了1024个MP k点进行布里渊区积分,并且在超胞中使用了类似的k点密度。
    • 为了模拟实验中的EEL光谱,作者们假设了一个电子束探针直径为10-15 Å,位于位错核心中心。

研究结果与机理解释:

研究发现,全核心位错导致在低损耗EEL光谱中出现低于块体起始能量的吸收峰。边缘位错附近的氮原子静电势变化可达1伏特,这可能会影响核心损耗光谱的解释。理论计算的EEL光谱与实验数据吻合良好,表明模型能够有效地描述位错对电子结构的影响。

  1. 低损耗EEL光谱与实验数据的一致性: 研究计算得到的低损耗EEL光谱与实验数据在峰值和肩部上有很好的定性一致性,这验证了所使用的计算方法和参数的有效性。

  2. 位错导致的能隙态: 研究发现,未装饰的全核心位错在GaN的能隙中引入了局域态,这些态导致了低于块体起始能量的吸收。这意味着位错的存在会影响材料的电子性质。

  3. 位错附近的静电势变化: 边缘位错附近的氮原子的静电势变化显著,变化量可达1伏特,这表明位错附近的电子环境与体材料有显著不同,对电子能量损失谱的解释提出了挑战。

  4. 不同电荷状态下位错的电子结构: 研究还考虑了不同电荷状态下(中性、带电)的边缘和螺旋位错的电子结构。发现带电位错会改变位错核心的原子结构,从而影响其电子性质。

  5. 位错对EEL光谱的影响: 通过模拟位错核心的EEL光谱,研究发现位错会导致在导带边缘以下的额外吸收。此外,位错的存在还会导致核心激发EEL光谱的变化,这些变化与位错附近的原子结构和电荷分布有关。

机理解释:

  1. 能隙态的形成: 位错的存在导致了晶体结构的畸变,这种畸变在位错核心附近形成了能隙态。这些态是由于位错引起的局部原子排列变化和未饱和键的结果,它们可以捕获电荷并影响材料的电子输运性质。

  2. 静电势的变化: 位错附近的原子受到不同的机械应力,这会导致局部电场的变化。这种电场变化会影响原子的核心能级,从而影响核心激发EEL光谱。

  3. 位错电荷状态的影响: 位错的电荷状态会影响其核心的原子结构和电子分布。带电位错会通过电子-空穴对的形成来稳定其结构,这会导致位错核心的能隙态进一步改变。

  4. EEL光谱的敏感性: EEL光谱是一种非常敏感的技术,可以用来探测材料中的微小变化。位错引起的电子结构变化会直接反映在EEL光谱中,因此,通过分析EEL光谱可以揭示位错的性质和影响。

研究的创新点和亮点:

  1. 本研究首次系统地模拟了GaN中边缘和螺旋位错的EEL光谱,为理解位错对电子性质的影响提供了新的视角。
  2. 通过比较不同电荷状态下位错的电子结构,揭示了位错电荷对能隙态的调控作用。
  3. 研究提出了一种新的EEL光谱解释方法,考虑了位错引起的电场变化对核心能级的移动,为实验数据分析提供了新的理论基础。

研究意义与应用前景:

本研究对GaN材料中的位错缺陷进行了深入的理论研究,有助于指导实验上对位错进行控制和改良,从而优化材料的电子性能。这对于提高GaN基器件的性能,如高效率的发光二极管和高频率的电子器件,具有重要的实际意义。此外,研究方法和理论模型可推广应用于其他半导体材料的位错研究,具有广泛的应用前景。

图 1: 理论能带结构 。展示了计算得到的氮化镓(GaN)和氮化铝(AlN)的能带结构。图中分别用虚线和实线表示了将镓的3d电子作为价带或核心电子时的能带结构。通过将计算得到的带隙与实验值对齐,可以看出理论模型与实验观测的一致性。

图 2: 低损耗EEL光谱比较。比较了实验数据(十字标记)和理论计算(线条)得到的块体GaN和AlN的低损耗EEL光谱。图中展示了电子束在垂直于c轴的x,y平面内(实线)和平行于c轴的z方向(虚线)的EEL光谱。通过这种比较,作者验证了理论模型的准确性,并为后续研究位错对EEL光谱影响提供了基础。

图 3: 中性GaN边缘位错的弛豫结构 。图的上半部分展示了使用两种不同超胞技术得到的中性GaN边缘位错的弛豫结构。图中的白色和灰色分别代表氮和镓原子。图中还标记了核心原子列的索引。下半部分展示了相应的能带结构,其中顶部和底部半能隙态分别表示为空态和满态。

图 4: GaN边缘位错的局域态波函数 这张图展示了GaN边缘位错中局域态的波函数等值面。图中左右两个面板分别展示了较低和较高能级的局域态。白色和黑色分别代表氮和镓原子,图中的等值面仅突出显示了波函数的中心峰。

图 5: 带电GaN边缘位错的能带结构 这张图展示了带有一个额外电子的GaN边缘位错的能带结构。这是通过在带有位错的超胞中添加电子并放松结构得到的。图中的实线将满态和空态分开。

图 6: 中性GaN螺旋位错的结构 图的左右两列分别展示了两种中性“0001”螺旋位错的模型:全核心结构(a)和镓核心结构(b)。顶部面板展示了在(12¯10)平面上的投影结构,中间面板展示了在“0001”平面上的投影结构,下半部分展示了相应的能带结构。

图 7: 中性GaN边缘位错的EEL光谱 这张图比较了包含中性GaN边缘位错的区域(线条)和块体GaN(符号)的计算EEL光谱。结果展示了电子束沿x, y和z方向的光谱,图中还考虑了超胞中的真空区域。

图 8: 带电GaN边缘位错的EEL光谱 这张图比较了包含带电GaN边缘位错的区域(线条)和块体GaN(符号)的计算EEL光谱。图中展示了在带电状态下位错结构放松后的光谱。

图 9: 中性GaN螺旋位错的EEL光谱 这张图展示了包含中性GaN螺旋位错的区域(线条)和块体GaN(符号)的计算EEL光谱。图中考虑了全核心结构和镓核心结构,并且展示了电子束沿x, y和z方向的光谱。

图 10: N核心能级在GaN边缘位错附近的电势变化 这张图展示了中性GaN边缘位错附近氮原子核心能级的电势变化。图中的势能值相对于超胞中所有氮原子的平均势能给出。

图 11: N K-edge核心激发EEL光谱 这张图展示了GaN边缘位错处的N K-edge核心激发EEL光谱(粗线),与块体区域的光谱(细线)进行了比较。能量标尺参照价带顶部设置。

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/news/777656.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

内网穿透_ICMP_icmpsh

目录 一、ICMP协议详解 二、ICMP隧道 (一) 为什么会使用ICMP (二) 实验环境 (三) 操作流程 1. 下载icmpsh 2. 下载并安装依赖 3. 关闭本地icmp响应 4. 攻击机启动服务端开始监听 5. 靶机启动工具客户端 6. 攻击机接受到靶机传来的数据 三、郑重声明 一、ICMP协议详…

EasyExcel模板填充以及填充多个sheet

# 一 需求: 有一个需求是根据不同维度去查询数据然后汇总,最后一行数据为合计数据,并且总计那行要合并单元格 # 二 思路 因为有7个维度,不想去写7个查询,然后分析之后发现只有汇总条件是可变的,其它数据一样…

C#WPF控件TextBlock详解

本文讲解WPF控件TextBlock。 目录 定义 常用属性 实例 如何实现自动换行? 如何强制回车换行?

如何系统的学习 C#

第一阶段:环境搭建与基础知识 1.1 安装开发环境 下载并安装Visual Studio或Visual Studio Code。若选用Visual Studio Code,记得安装C#扩展插件。 1.2 C#语言概述 了解C#的发展历程、特点以及应用场景。学习C#的基本语法规范,例如语句结尾…

实时数据库测试-汇编小程序

实时数据库测试-汇编小程序。 hd.asm .686 .model flat,stdcall option casemap:none include \masm32\include\windows.inc include \masm32\include\kernel32.inc include \masm32\include\user32.inc include \masm32\include\gdi32.inc …

C# 反射的使用及场景

1,使用反映将一个对象的同名属性赋值给另一个对象 2, DataTable 转换成一个实体 3,使用反射动态执行方法 4,根据属性信息来执行对应的方法 using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using…

项目启动时自动订阅配置中指定的MQ主题,并将接收到的消息存储在Redis中,提供了一个HTTP接口来查询存储的消息

涵盖从application.yml配置,通过MQ订阅消息,将消息存放到Redis,最后通过HTTP接口提供消息查询的整个流程,我们将分步进行。 Step 1: application.yml配置 spring:profiles:active: devredis:host: localhostport: 6379database:…

Spring用到了哪些设计模式?

目录 Spring 框架中⽤到了哪些设计模式?工厂模式单例模式1.饿汉式,线程安全2.懒汉式,线程不安全3.懒汉式,线程安全4.双重检查锁(DCL, 即 double-checked locking)5.静态内部类6.枚举单例 代理模…

【论文阅读】UniLog: Automatic Logging via LLM and In-Context Learning

注 由于其公司的保密政策,本文没有公开源代码,数据是公开的。 文章目录 摘要一、介绍二、背景和动机2.1、日志语句生成2.2、大语言模型2.3、上下文学习(In-Context Learning,ICL) 三、UNILOG3.1、模型骨干3.2、提示策略3.2.1、提…

3d金属模型灯怎么安装---模大狮模型网

在3D场景中,添加灯光是非常重要的步骤,可以提升场景的氛围和逼真度。特别是对于金属材质的模型,合适的灯光设置能够突出其质感和反射效果。下面将介绍如何在3D软件中安装金属模型灯,并分为以下四个分类进行详细说明。 一、选择合适…

简述机器视觉技术在自动化行业中的典型应用

如今,自动化技术在我国发展迅猛,人们对于机器视觉的认识更加深刻,对于它的看法也发生了很大的转变。机器视觉系统提高了生产的自动化程度,让不适合人工作业的危险工作环境变成了可能,让大批量、持续生产变成了现实&…

竞赛 python+opencv+深度学习实现二维码识别

0 前言 🔥 优质竞赛项目系列,今天要分享的是 🚩 pythonopencv深度学习实现二维码识别 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分工作量:3分创新点:3分 该项目较为新颖&…

【InternLM 实战营第二期笔记】书生·浦语大模型全链路开源体系及InternLM2技术报告笔记

大模型 大模型成为发展通用人工智能的重要途径 专用模型:针对特定任务,一个模型解决一个问题 通用大模型:一个模型应对多种任务、多种模态 书生浦语大模型开源历程 2023.6.7:InternLM千亿参数语言大模型发布 2023.7.6&#…

视觉信息处理与FPGA实现第八次作业——verilog实现对比度调节

一、查看灰度图的数据格式 2.1 安装HxD HxD下载链接:https://download.csdn.net/download/weixin_44357071/89045331 解压直接打开exe就能使用。 将需要查看二进制数据的图片拖到软件框里就能读取 2.2 找到bmp图像的图片点阵数据起始地址,原理和例子…

R语言批量计算t检验,输出pvalue和均值

1.输入数据如下&#xff1a; 2.代码如下 setwd("E:/R/Rscripts/rG4相关绘图") # 读取CSV文件 data <- read.csv("box-cds-ABD-不同类型rg4-2.csv", stringsAsFactors FALSE)# 筛选出Type2列为指定五种类型的数据 filtered_data <- subset(data, …

git常用操作指令

以下是Git的常用指令: 1. git init 说明&#xff1a;初始化一个新的Git仓库。 例子&#xff1a; $ mkdir my_project $ cd my_project $ git init Initialized empty Git repository in /path/to/my_project/.git/备注&#xff1a;在my_project目录下创建了一个新的Git仓库…

【AIGC调研系列】通义千问、文心一言、抖音云雀、智谱清言、讯飞星火的特点分析

通义千问、文心一言、抖音云雀、智谱清言、讯飞星火这五款AI大模型各有特色&#xff0c;它们在市场上的定位和竞争策略也有所不同。 通义千问&#xff1a;由阿里巴巴推出&#xff0c;被认为是最接近ChatGPT水平的国产AI模型[7]。它不仅提供了长文档处理功能&#xff0c;还能够…

使用Kaggle API快速下载Kaggle数据集

前言 在使用Kaggle网站下载数据集时&#xff0c;直接在网页上点击下载可能会很慢&#xff0c;甚至会出现下载失败的情况。本文将介绍如何使用Kaggle API快速下载数据集。 具体步骤 安装Kaggle API包 在终端中输入以下命令来安装Kaggle API相关的包&#xff1a; pip install…

flutter 打包成web应用后怎么通过url跳转页面

在 Flutter 中&#xff0c;如果你想要在打包成 Web 应用后通过 URL 跳转页面&#xff0c;你可以利用 Flutter 提供的路由导航系统和 URL 策略。以下是具体步骤&#xff1a; 1. 配置路由 在 Flutter 应用中定义路由&#xff0c;一种简单的方式是使用 MaterialApp 构造器的 rou…

elementplus-vue-审核按钮-对话框(Dialog )

效果图&#xff1a; 代码&#xff1a; <template> <el-button type"success" click"dialogVisible true" :icon"Edit">审核</el-button> <el-dialog v-model"dialogVisible" title"是否通过" width&q…