一种插指结构的共聚物有机反相器及制备方法

    公开(公告)号:CN117042471A

    公开(公告)日:2023-11-10

    申请号:CN202310948173.5

    申请日:2023-07-31

    Abstract: 本发明公开了一种插指结构的共聚物有机反相器及制备方法,包括衬底、2个有机场效应晶体管、电源端、接地端、输出端、输入端和互连线;每个有机场效应晶体管均包括有机半导体层、光刻介质阻挡层、源极、漏极和栅极;源极包括n个源极指节;漏极包括n个漏极指节,n个漏极指节与n个源极指节等距交错插设,且形成2n‑1个源漏间隙;栅极包括布设在源漏间隙正上方的2n‑1个栅极指节。本发明能有效利用光刻介质阻挡层,将光刻引入有机电路的制备,能有效保护有机半导体材料,并能实现在同一基板上集成多个有机场效应晶体管。另外,插指结构能提高电路的导通电流以及减小导通电阻,同时可以很好的降低电路开启电压,降低电路功耗。

    具有电荷柱补偿结构的耐高压LDR-OFET

    公开(公告)号:CN116634780A

    公开(公告)日:2023-08-22

    申请号:CN202310632181.9

    申请日:2023-05-31

    Abstract: 本发明公开了一种具有电荷柱补偿结构的耐高压LDR‑OFET,包括横向共聚物器件本体和若干个电荷柱;横向共聚物器件本体包括衬底、有机共聚物半导体层、栅介质层、栅极、源极和漏极;位于栅极和漏极之间的有机半导体层形成为有机半导体漂移区;有机半导体漂移区的横向长度L=5~15μm;若干个电荷柱均匀竖向布设在有机半导体漂移区内,每个电荷柱的顶端均贯穿栅介质层,且与栅介质层顶部相齐平;每个电荷柱的底端均与衬底顶面之间的距离为0.01~0.03μm。本发明通过在有机半导体漂移区及正上方的栅介质层内设置电荷柱的方式,使得有机半导体漂移区内的电荷重构,优化有机半导体漂移区的电场分布,从而能使整个器件的击穿电压超过1200V。

    一种用于机器学习训练数据的准线性变换方法

    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

    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。

    一种基于半导体器件结构的小空间模型实时训练方法

    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

    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。

    一种机器学习模型的训练数据集均匀化处理方法

    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

    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。

    一种基于共聚物有机半导体的集成功率器件

    公开(公告)号:CN114300616A

    公开(公告)日:2022-04-08

    申请号:CN202210004021.5

    申请日:2022-01-05

    Abstract: 本发明提供了一种基于共聚物有机半导体的集成功率器件,通过借助栅极和漏极之间引入一个二维载流子减速区结构,降低双极导通中载流子在减速区中的速度,从而降低载流子在有机分子之间跃迁的几率,抑制共聚物有机半导体中的载流子倍增效应,显著增加了共聚物有机半导体器件的耐压性能,提高了击穿电压。在实际制造过程中,仅源漏电极和栅极需要热蒸发沉积或磁控溅射,共聚物有机半导体层和有机栅介质层均可通过旋涂方式制备,简化了工艺流程,制备简单,成本低廉。作为半导体层的共聚物有机半导体材料与作为栅介质层的有机介质材料在高温下分解为水和二氧化碳,栅介质层材料与共聚物半导体材料无毒无害,绿色环保,不造成环境二次污染。

Patent Agency Ranking