高耐压硅基氮化镓功率半导体器件及其制作方法

    公开(公告)号:CN113707712B

    公开(公告)日:2022-09-23

    申请号:CN202110996238.4

    申请日:2021-08-27

    Abstract: 本发明提出一种高耐压硅基氮化镓功率半导体器件及其制作方法,旨在有效降低器件漏边缘的高峰电场并改善漏端下方衬底中分布不均匀的电场,提高氮化镓器件的耐压特性。在器件台面刻蚀的过程中,在漏端和源端同时形成一定深度的沟槽,在沟槽中通过填充高K介质材料,将漏端的高K介质与漏电极短接。在器件关断时,通过高K介质材料的反极化作用有效降低器件漏端的高峰电场,同时通过高K介质的电场调制作用有效改善器件的纵向电场分布,达到显著提升硅基AlGaN/GaN器件击穿电压的目的。相比传统的硅基AlGaN/GaN器件结构和采用肖特基‑欧姆混合接触漏极的硅基AlGaN/GaN器件结构,击穿电压分别提升了79.43%和46.81%,促进了硅基AlGaN/GaN器件在高耐压功率集成电路中的应用。

    基于双分割模型的医学图像分割方法

    公开(公告)号:CN114998362B

    公开(公告)日:2024-08-20

    申请号:CN202210676102.X

    申请日:2022-06-15

    Abstract: 本发明提出了一种基于双分割模型的医学图像分割方法,用于解决现有技术中存在的对含有噪声标签的图像分割精度低的问题。实现步骤为:获取训练样本集和测试样本集;构建基于双分割模型的医学图像分割网络模型;对基于双分割模型的医学图像分割网络模型进行迭代训练;获取医学图像的分割结果。本发明在网络迭代过程中,两个网络在筛选的可靠像素的样本集上跨模型学习,更充分地探索训练样本集,使得网络对噪声标签具有更强的鲁棒性,更好的学习前景与背景分割边界的像素,加强模型的边界定位能力,提高图像分割的精度。

    基于双分割模型的医学图像分割方法

    公开(公告)号:CN114998362A

    公开(公告)日:2022-09-02

    申请号:CN202210676102.X

    申请日:2022-06-15

    Abstract: 本发明提出了一种基于双分割模型的医学图像分割方法,用于解决现有技术中存在的对含有噪声标签的图像分割精度低的问题。实现步骤为:获取训练样本集和测试样本集;构建基于双分割模型的医学图像分割网络模型;对基于双分割模型的医学图像分割网络模型进行迭代训练;获取医学图像的分割结果。本发明在网络迭代过程中,两个网络在筛选的可靠像素的样本集上跨模型学习,更充分地探索训练样本集,使得网络对噪声标签具有更强的鲁棒性,更好的学习前景与背景分割边界的像素,加强模型的边界定位能力,提高图像分割的精度。

    高耐压硅基氮化镓功率半导体器件及其制作方法

    公开(公告)号:CN113707712A

    公开(公告)日:2021-11-26

    申请号:CN202110996238.4

    申请日:2021-08-27

    Abstract: 本发明提出一种高耐压硅基氮化镓功率半导体器件及其制作方法,旨在有效降低器件漏边缘的高峰电场并改善漏端下方衬底中分布不均匀的电场,提高氮化镓器件的耐压特性。在器件台面刻蚀的过程中,在漏端和源端同时形成一定深度的沟槽,在沟槽中通过填充高K介质材料,将漏端的高K介质与漏电极短接。在器件关断时,通过高K介质材料的反极化作用有效降低器件漏端的高峰电场,同时通过高K介质的电场调制作用有效改善器件的纵向电场分布,达到显著提升硅基AlGaN/GaN器件击穿电压的目的。相比传统的硅基AlGaN/GaN器件结构和采用肖特基‑欧姆混合接触漏极的硅基AlGaN/GaN器件结构,击穿电压分别提升了79.43%和46.81%,促进了硅基AlGaN/GaN器件在高耐压功率集成电路中的应用。

Patent Agency Ranking