Wafer-scale surface roughening for enhanced light extraction of high power AlGaInP-based light-emitting diodes
Notice bibliographique
Résumé
A new approach to surface roughening was established and optimized in this paper for enhancing the light extraction of high power AlGaInP-based LEDs, by combining ultraviolet (UV) assisted imprinting with dry etching techniques. In this approach, hexagonal arrays of cone-shaped etch pits are fabricated on the surface of LEDs, forming gradient effective-refractive-index that can mitigate the emission loss due to total internal reflection and therefore increase the light extraction efficiency. For comparison, wafer-scale FLAT-LEDs without any surface roughening, WET-LEDs with surface roughened by wet etching, and DRY-LEDs with surface roughened by varying the dry etching time of the AlGaInP layer, were fabricated and characterized. The average output power for wafer-scale FLAT-LEDs, WET-LEDs, and DRY3-LEDs (optimal) at 350 mA was found to be 102, 140, and 172 mW, respectively, and there was no noticeable electrical degradation with the WET-LEDs and DRY-LEDs. The light output was increased by 37.3% with wet etching, and 68.6% with dry etching surface roughening, respectively, without compromising the electrical performance of LEDs. A total number of 1600 LED chips were tested for each type of LEDs. The yield of chips with an optical output power of 120 mW and above was 0.3% (4 chips), 42.8% (684 chips), and 90.1% (1441 chips) for FLAT-LEDs, WET-LEDs, and DRY3-LEDs, respectively. The dry etching surface roughening approach developed here is potentially useful for the industrial mass production of wafer-scale high power LEDs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».