Ultra-dense Green InGaN/GaN Nanoscale Pixels with High Luminescence Stability and Uniformity for Near-Eye Displays
Notice bibliographique
Résumé
Ultra-dense (>4,000 pixels per inch) and highly stable full-color III-nitride nanoscale pixels are crucial for near-eye display technologies like virtual and augmented-reality glasses. In this context, InGaN-based long wavelength green microscale light-emitting diodes face major bottlenecks, such as low efficiency and inadequate wavelength stability. These challenges are associated with the presence of both nonradiative surface defects and the strain induced quantum-confined Stark effect. Herein, we report nanoscale pixelation of green InGaN/GaN LEDs incorporating strain-engineered ultra-dense nanowire (NW) arrays, corresponding to ∼36,000 pixels per inch. The NW pixel arrays exhibit a stable peak wavelength emission at ∼500 nm for over 3 orders of magnitude of injection current densities (from ∼4 A/cm 2 to ∼1 kA/cm 2 ). The observed wavelength stability enhancement (a reduced blue-shift of just ∼4 nm) directly results from the suppressed built-in electric field achieved by strain relaxation of the axial multi quantum wells in the NWs. Finite difference time domain simulations show that emission of the pixel array is significantly increased owing to the enhanced spontaneous emission rate (characterized by a high Purcell factor of ≈2) of the ultra-dense NWs. We have demonstrated top-down NWs, where each NW (diameter ranging down to 200 nm) shows excellent uniformity and light output characteristics in direct contrast to bottom-up grown NW heterostructures. The results of this study establish a viable route for realizing nanoscale pixels with high luminescence stability and wafer-scale uniformity with high (>20%) indium composition InGaN/GaN LED heterostructures, for next-generation near-eye displays.
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 ».