Increasing the mobility and power-electronics figure of merit of AlGaN with atomically thin AlN/GaN digital-alloy superlattices
Notice bibliographique
Résumé
Alloy scattering in random AlGaN alloys drastically reduces the electron mobility and, therefore, the power-electronics figure of merit. As a result, Al compositions greater than 75% are required to obtain even a twofold increase in the Baliga figure of merit compared to GaN. However, beyond approximately 80% Al composition, donors in AlGaN undergo the DX transition, which makes impurity doping increasingly more difficult. Moreover, the contact resistance increases exponentially with the increase in Al content, and integration with dielectrics becomes difficult due to the upward shift of the conduction band. Atomically thin superlattices of AlN and GaN, also known as digital alloys, are known to grow experimentally under appropriate growth conditions. These chemically ordered nanostructures could offer significantly enhanced figure of merit compared to their random alloy counterparts due to the absence of alloy scattering, as well as better integration with contact metals and dielectrics. In this work, we investigate the electronic structure and phonon-limited electron mobility of atomically thin AlN/GaN digital-alloy superlattices using first-principles calculations based on density-functional and many-body perturbation theory. The bandgap of the atomically thin superlattices reaches 4.8 eV, and the in-plane (out-of-plane) mobility is 369 (452) cm2 V−1 s−1. Using the modified Baliga figure of merit that accounts for the dopant ionization energy, we demonstrate that atomically thin AlN/GaN superlattices with a monolayer sublattice periodicity have the highest modified Baliga figure of merit among several technologically relevant ultra-wide bandgap materials, including random AlGaN, β-Ga2O3, cBN, and diamond.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 tête enseignante, 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 ».