Characterization of Leakage Current in Buried Heterostructure Semiconductor InGaAsP Lasers Using a Diode-Resistor Electrical Model
Notice bibliographique
Résumé
In buried heterostructure (BH) lasers, leakage current becomes a problem at high input currents, wasting power and reducing optical efficiency. This article introduces an electrical model that represents the voltagecurrent (<italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">VI</i>) characteristics of forward-biased BH lasers. This model can be used to explain and predict leakage current. It also gives a diagnostic tool to compare experimental BH lasers, using simple <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">VI</i> measurements. In this experiment, 72 BH lasers with three different mesa top layer doping levels were measured. Then, a curve fit was performed on the <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">VI</i> measurements using the proposed model, extracting the model parameters for each device. Nearly all the extracted model parameters, which were resistances and diode properties such as ideality factor and saturation current, had clear trends that help explain the impact of varying mesa top layer doping levels. The results showed, as discussed in previous literature, that high mesa top layer doping level reduces laser leakage current, but increases cavity loss. It was also found that by using only the fit on electrical characteristics, the model can roughly predict the measured drop in optical efficiency that the BH lasers experience at high input currents. The better understanding of leakage current that comes from this model can be used to further the development of BH lasers. As well, the model and curve fit can be used as a diagnostic tool to aid in the testing of these experimental devices.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».