-
公开(公告)号：CN119968000A
公开(公告)日：2025-05-09
申请号：CN202510112748.9
申请日：2025-01-24
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明涉及功率半导体分立器件设计与制造技术领域，具体的是涉及一种基于横向层掺杂的共聚物有机场效应晶体管，通过引入电极修饰层，改善了电极‑半导体界面态，减少了界面陷阱数量，有效地抑制电学性能的变化，并实现了对偏置应力效应所造成不良影响的显著缓解，提高共聚物有机场效应晶体管的可靠性，本发明提供的方案能够在兼容原有工艺流程的基础上增强有机场效应晶体管长期工作的稳定性，使得器件在实际应用中具有更好的性能保持和更长的使用寿命。
-
公开(公告)号：CN119947389A
公开(公告)日：2025-05-06
申请号：CN202510074868.4
申请日：2025-01-17
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明属于半导体器件技术领域，公开了一种双向导通的纵向结构二极管及其制备方法，本发明提供的二极管具备阳极、阴极和有机‑无机异质结；所述阳极覆盖的区域为异质结的P型半导体层，其由无掺杂的本征DPPT‑TT溶液涂覆形成的DPPT‑TT膜组成；所述阴极覆盖的区域为异质结的N型半导体层，其为掺入1019(cm‑3)磷原子的硅片；所述阳极采用铜作为接触材料；所述阴极为铟片。通过引入新的隧道复合电流模式，增强了电荷输运能力。这种新型的异质结结构有效改善了载流子在电极处的注入和传输过程，显著降低了接触电阻。这种电极修饰方案不仅可以提高器件的导电性，还能改善整体的能量传输效率。
-
公开(公告)号：CN118364728A
公开(公告)日：2024-07-19
申请号：CN202410788979.7
申请日：2024-06-19
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: G06F30/27 , G06F18/214 , G06F18/21 , G06F18/24 , G06N20/00 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种基于机器学习和跨尺度迭代耦合的器件电热应力提取方法，包括1、确定参数范围；2、提供参数数值给器件级电学计算工具与封装‑系统级热学计算工具；3、器件级电学计算；4、器件电热应力输出与判断；5、功率损耗计算；6、封装‑系统级热学计算；7、器件‑封装‑系统级电热耦合计算；8、机器学习模型选取与训练；9、器件电热应力预测。本发明提供的跨尺度迭代耦合技术模拟半导体器件实际工作状态下的动态电热耦合效应，显著提高器件电热应力计算精确度。同时通过机器学习辅助计算，实现从半导体器件‑封装‑系统级结构参数、电激励参数、工作时间及环境温度到器件电热应力的预测过程，具有准确性高、计算速度快等优点。
-
公开(公告)号：CN117766588A
公开(公告)日：2024-03-26
申请号：CN202410196269.5
申请日：2024-02-22
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: H01L29/78 , H01L29/08 , H01L29/06 , H01L21/336
Abstract: 本发明提出了一种具有延伸漏结构的超结双SOI‑LDMOS器件及制造方法，该器件包括：位于第二埋氧层上的第二SOI层，包括半导体区和半导体延伸漏接触区；位于第一埋氧层上的第一SOI层，包括体接触区、源区、漏区以及漂移区；漏极金属，其中漏极金属的第一部分平行于器件纵向的一侧面与第一埋氧层接触，其下表面与半导体延伸漏接触区的上表面；漏极金属的第二部分与半导体漏区的上表面接触。本发明在器件导通时利用第二SOI层中交替排列的第一半导体区和第二半导体区和延伸漏结构，使得第一SOI层漂移区表面感应出多数载流子，降低了比导通电阻；也在器件关断时改善了漂移区的势场分布从而提高了击穿电压。
-
公开(公告)号：CN117713511A
公开(公告)日：2024-03-15
申请号：CN202410079715.4
申请日：2024-01-19
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: H02M1/08 , H03K17/042 , H03K17/082 , H03K17/12 , H03K17/687 , H02M1/00
Abstract: 本发明涉及一种单电源可调驱动电阻SiC MOSFET驱动电路，包括电源电路、可变栅极电阻驱动电路、以及用于测试目标SiC MOSFET Q5开关特性的双脉冲测试电路，通过在目标SiC MOSFET Q5开通/关断过程的不同阶段切换不同的驱动电阻，提高了目标SiC MOSFET Q5的开通/关断速度，其中在器件开通/关断的漏源电流变化的时期，采用一个电阻对目标SiC MOSFET Q5栅极进行充电和放电，减小器件开通/关断延时，提高电压和电流的上升速率。在器件开通/关断的其余时期增大驱动电阻抑制目标SiC MOSFET Q5开关过程中的电压和电流尖峰和振荡，相比于传统驱动电路，能够在有效抑制电压、电流超调和振荡的同时保持较低的开关损耗，提高目标SiC MOSFET Q5的栅极驱动性能，并且电路结构简单，易于实现。
-
Patent Agency Ranking
公开(公告)号：CN117614432A
公开(公告)日：2024-02-27
申请号：CN202311428545.8
申请日：2023-10-30
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: H03K17/687 , H01L21/336 , H01L29/78
Abstract: 本发明提出了一种提升体硅LDMOS性能的动态背栅控制系统及体硅LDMOS的制造方法，该系统包括体硅LDMOS，包括栅极金属及背栅金属；动态背栅控制电路，其包括依次电连接的波形产生器、三电平逆变器、负电压转换器及电平转换器；负电压转换器包括负电压输出端和零电压输出端；负电压输出端连接电平转换器的第一输入端，零电压输出端连接电平转换器的第二输入端并接地；电平转换器的第一输出端连接栅极金属，其第二输出端连接背栅金属。本发明具有独立的背栅电极，通过在衍生的背栅电极上施加偏置，诱导界面电荷，调制外延层的电场分布，增加体内漏电端的电场，使其提高击穿电压，又因其漂移区采用重掺杂而具有低的比导通电阻，改进了两者之间的折中关系。
-
公开(公告)号：CN116053302B
公开(公告)日：2023-07-04
申请号：CN202310208764.9
申请日：2023-03-07
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明提出了一种基于双SOI结构的背栅辅助RESURF系统及双SOI结构的制造方法，包括双SOI结构和外围背栅自动电压优化控制电路，其中外围背栅自动电压优化控制电路可对双SOI结构的背栅进行电压控制。本发明与传统的RESURF技术相比，在击穿电压不改变的情况下，降低了导通电阻，改进了两者之间的折中关系，同时也提升了双SOI结构的直流、射频以及开关性能。
-
公开(公告)号：CN115859103A
公开(公告)日：2023-03-28
申请号：CN202211525203.3
申请日：2022-11-30
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: G06F18/214 , G06N20/00
Abstract: 本发明公开了一种用于机器学习训练数据的准线性变换方法，包括步骤1、获取数据集，明确输入X和输出Y，对数据集输入X和输出Y之间的关系进行模拟，获取Y随X的变化形式；步骤2、定义转换函数，该函数可近似模拟输入X与输出Y之间的变化关系；步骤3、优化步骤2中的转换函数，代入输入X进行数据变换，将其转换成Z作为新的模型输入；步骤4、构建新的输入Z和输出Y之间的机器学习模型。本发明通过转换函数对输入数据进行数据变换，使得机器学习模型中的输入与输出呈现准线性化关系，可降低机器学习模型的复杂度，有效提高机器学习模型的模拟精度。
-
公开(公告)号：CN115688611A
公开(公告)日：2023-02-03
申请号：CN202211703517.8
申请日：2022-12-29
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了一种基于半导体器件结构的小空间模型实时训练方法，包括S1：在用户界面确定目标半导体器件结构，将其输入至云端数据库，获取目标半导体器件结构每个参数的数值为X；S2：基于相似性，设置自适应阈值，在云端数据库中自动筛选阈值空间内小空间训练样本数据集；S3：将小空间样本数据集传输至边缘端计算设备，利用机器学习算法，在边缘计算设备实时构建结构到电学性能的预测模型；S4：将边缘端存储的结构X输入步骤3中的模型，输出该器件的电学性能。本发明基于待测结构选取小空间，通过边缘计算实时构建进而利用机器学习算法构建模型，可实现器件结构到电学性能的预测。该方法不仅模型构建速度快，而且精度更高。
-
公开(公告)号：CN115660109A
公开(公告)日：2023-01-31
申请号：CN202211653150.3
申请日：2022-12-22
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了一种机器学习模型的训练数据集均匀化处理方法，包括如下步骤：1、确定器件的数据集输入目标结构参数的变化范围；步骤2、根据数据的变化范围，进行数据预处理；步骤3、对预处理后的数据进行均匀化取值；步骤4、对数据集输入目标结构参数进行反预处理；步骤5、根据反预处理后的数据，进行训练数据集的收集；步骤6、建立机器学习模型。本发明通过训练数据集的均匀化处理技术，避免了模型训练过程中潜在的欠拟合和过拟合问题，可优化机器学习模型的应用能力，且该方案构建的模型具有泛化能力强，对随机器件目标结构参数的电学性能预测准确率高等优点。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.035 seconds)
