nBn结构长波红外碲镉汞器件优化设计

覃钢, 孔金丞, 任洋, 陈卫业, 杨晋, 秦强, 赵俊

覃钢, 孔金丞, 任洋, 陈卫业, 杨晋, 秦强, 赵俊. nBn结构长波红外碲镉汞器件优化设计[J]. 红外技术, 2024, 46(7): 815-820.
引用本文: 覃钢, 孔金丞, 任洋, 陈卫业, 杨晋, 秦强, 赵俊. nBn结构长波红外碲镉汞器件优化设计[J]. 红外技术, 2024, 46(7): 815-820.
QIN Gang, KONG Jincheng, REN Yang, CHEN Weiye, YANG Jin, QIN Qiang, ZHAO Jun. Optimized Design of nBn LWIR HgCdTe Devices[J]. Infrared Technology , 2024, 46(7): 815-820.
Citation: QIN Gang, KONG Jincheng, REN Yang, CHEN Weiye, YANG Jin, QIN Qiang, ZHAO Jun. Optimized Design of nBn LWIR HgCdTe Devices[J]. Infrared Technology , 2024, 46(7): 815-820.

nBn结构长波红外碲镉汞器件优化设计

基金项目: 

基础加强计划领域基金 2019-JCJQ-JJ-527

详细信息
    作者简介:

    覃钢(1987-),男,湖北建始人,高级工程师,主要从事红外材料与器件方面的研究工作,E-mail:qingang0125@163.com

    通讯作者:

    孔金丞(1979-),男,云南南华人,博士,研究员,博士生导师,主要从事红外材料方面的研究工作,E-mail:kongjincheng@163.com

  • 中图分类号: TN304

Optimized Design of nBn LWIR HgCdTe Devices

  • 摘要:

    分析了Type-Ⅰ型能带对nBn结构碲镉汞器件性能的影响。通过理论计算获得了势垒层组分、掺杂浓度与能带带阶的关系,确定了nBn结构长波器件吸收层掺杂浓度与暗电流的关系。优化了nBn结构长波红外碲镉汞器件的掺杂浓度、势垒层与吸收层之间的组分过渡,建立了二维器件仿真模型并对nBn结构长波红外碲镉汞器件的能带结构进行了计算,结果表明器件结构参数的优化可以有效降低器件工作所需的开启电压,同时在吸收层内几乎不会形成耗尽区,从而有效抑制SRH产生-复合电流及隧穿电流。计算了器件结构参数优化后的长波红外碲镉汞nBn器件暗电流的变温特性,器件工作温度达到110 K以上。为高性能势垒结构长波红外碲镉汞器件的研制提供了理论依据。

    Abstract:

    In this study, the effect of the type-Ⅰ band on the performance of HgCdTe-based nBn devices was analyzed theoretically. A theoretical calculation of the relationship between the composition and doping concentration of the barrier layer and the band offset was obtained, and the relationship between the doping concentration of the absorption layer and the dark current of nBn LWIR HgCdTe devices was determined. Both the doping concentration and composition gradient between the barrier and absorption layers of nBn LWIR HgCdTe devices were optimized. A two-dimensional device simulation model was established, and the band structure of nBn LWIR HgCdTe devices was calculated. The results show that optimization of the device structure parameters effectively reduced the turn-on voltage required for device operation, while almost no depletion region was formed in the absorption layer, which effectively inhibited the SRH generation-recombination current and tunneling current. In this study, we also calculated the temperature-dependent dark current of optimized nBn LWIR HgCdTe devices; the operating temperature of the device was above 110 K. This study establishes a theoretical basis for developing high-performance barrier-structured LWIR-HgCdTe devices.

  • 常规望远镜热设计为一体化设计,热设计满足整机的热控指标即可。在轨组装望远镜热设计为分体式设计。每个模块都需要进行单独的热设计保证模块可以独立工作,且模块之间存在耦合关系,在轨安装之后通过热接口相互传递热量,完成整机的热控工作。在轨组装望远镜CMOS组件(下文简称为CMOS组件)热设计是在轨组装望远镜热设计中的关键节点。

    为解决CMOS组件选取热设计参数数值的难点问题,需对热设计参数进行灵敏度分析。灵敏度分析是一种分析系统的输入对输出响应影响程度的方法,适应于解决复杂的多输入系统的优化设计问题。为了实现望远镜关键部件CMOS组件的控温目标,需要对影响CMOS温度的参数优化调整,但是待优化参数多,遍历每个参数进行优化的工程量大,耗时长,而且参数之间存在耦合关系,这更加大了优化难度。考虑到每个参数对CMOS温度的影响程度不同,对待优化参数进行灵敏度分析确定影响程度较大的参数并对其着重优化,可一定程度上减少参数优化的难度,节省设计成本,提高热设计的可靠性。

    在望远镜在轨组装和航天器热设计领域中,国内外学者进行了大量研究。国外方面,詹姆斯韦伯望远镜(James Webb Space Telescope,JWST)由阿丽亚娜5号发射,并在反太阳地球-太阳拉格朗日点的轨道上展开在轨部署[1]。Franck R. A.和Shaughnessy B. M.[2-3]等学者分别针对JWST的尾部光学系统和中红外仪器进行了相关热设计。国内方面也对其进行了大量研究,王洪亮[4-5]等学者针对在轨组装大口径红外望远镜进行热设计并通过灵敏度优化热设计参数。杨雨霆[6-7]等学者针对高空气球平台地-月成像光谱仪载荷系统热设计参数进行了灵敏度分析,提出了热设计的简便思路。郭亮[8-9]等学者运用控制变量灵敏度分析手段,得到太阳吸收系数、红外半球发射率、内部热源及传导换热系数对于空间光谱成像仪温度的影响。Y. Xiong[10-11]等学者提出了改进的思维进化算法的径向基函数(radial basis function neural network,RBF)等神经网络应用于航天器热物理模型的方法,并基于此方法开展热设计参数灵敏度优化。

    有限元仿真计算工作中,为了得到大量的温度数据,需要输入不同的热设计参数,单纯的人工输入会带来大量的重复劳动,本文通过对有限元软件二次开发,实现输入数据由文本文件提取,自动计算的功能。在以往工作中,针对热设计参数的灵敏度分析,往往采用单一方法,会导致灵敏度分析结果的不确定性和误差,本文提出了一种基于MIV算法[12-13]并结合传统回归分析Pearson和Spearman算法[14-15]相互对比验证的混合灵敏度分析方法,此方法对于CMOS组件方法对在轨组装望远镜CMOS热设计参数优化提供了方向并对在轨组装望远镜整机热设计具有一定的指导意义。

    在轨组装望远镜载荷布局如图 1所示。主反射镜由5个拼接镜拼接而成,分别安装在六足促动器与主体框架相接。次反射镜安装在折叠式次镜支撑与主体相接。CMOS组件安装在主体结构内部。其中,+Z方向为望远镜光轴方向、由主镜指向次镜,+X方向为望远镜前进方向,+Y方向由右手螺旋定则确定。

    图  1  在轨组装望远镜的模型示意图
    Figure  1.  Model schematic of the in-orbit assembly of the telescope

    在轨组装望远镜搭载CMOS组件为可见光成像,CMOS组件应满足的热设计指标如表 1所示。由表 1可知,指标提出在工作工况下CMOS温度控制在15℃~30℃,在存储工况下CMOS温度控制在0℃~40℃。

    表  1  CMOS组件主要热设计参数
    Table  1.  Main thermal design parameters for CMOS components
    Symbol Parameter significance
    ε1 Infrared emissivity of the outer surface of the cooling plate
    α2 Solar absorption rate on the outer surface of the cooling plate
    T3 Thickness of cooling plate
    K4 Thermal conductivity of copper bar
    K5 Thermal conductivity of heat pipe
    R6 Thermal resistance between CMOS and CMOS mounting surface
    R7 Thermal resistance between CMOS and aluminum blocks
    R8 Thermal resistance between aluminum block and copper bar
    R9 Thermal resistance between copper bar and heat pipe
    R10 Thermal resistance between heat pipe and cooling plate
    下载: 导出CSV 
    | 显示表格

    结合以上指标,CMOS组件热设计主要有以下难点:

    ① 在轨组装望远镜外流热变化频繁,无稳定阳照区、阴影区,散热设计困难。

    ② 在轨组装望远镜各部件单独热控,相互之间通过接口耦合。CMOS组件和主体框架、辐射冷板相互耦合,耦合关系复杂。

    热设计参数的灵敏度分析主要有全局灵敏度分析和局部灵敏度分析。局部灵敏度只能分析单个输入对输出的影响,计算效率高。全局灵敏度分析不受模型的限制,能够较为全面地反映多个设计参数之间相互产生的耦合作用对系统响应的影响。本文提出混合灵敏度分析方法对CMOS散热路径上的参数进行灵敏度分析,在混合灵敏度分析方法中,Pearson、Spearman方法为局部灵敏度分析,MIV方法为全局灵敏度分析。

    图 2可知,本模型CMOS组件散热路径包括CMOS、CMOS安装面、导热铝块、导热铜条、热管和辐射冷板。选取CMOS散热路径上的10个热设计参数进行灵敏度分析,热设计参数的详细信息见表 1

    图  2  CMOS组件散热路径示意图
    Figure  2.  Schematic diagram of the thermal path of a CMOS component

    依据参数的取值范围,对参数应用拉丁超立方抽样生成300组参数样本。拉丁超立方抽样相对于随机抽样,具有变量范围全覆盖,均匀性更好的优点。将参数样本代入有限元软件划分的有限元网络模型中计算,得出CMOS中心点温度数据作为输出数据。

    Pearson方法反映两个变量XY的线性相关程度。Pearson公式如下:

    $$ {\rho _{{X_i}, Y}} = {\rm corr}({X_{ij}}, Y) = \frac{{{\rm Cov}({X_{ij}}, Y)}}{{{S_{{X_{ij}}}}{S_Y}}} $$ (1)

    式中:Xi表示第iX序列。记Xi的第j次采样数据为Xijj=1, 2, …, 300。利用每组10个采样数据可以得到300个温度值Yij=1, 2, …, 300。通过式(1)计算,得出10输入参数和输出温度之间的Pearson相关系数。

    Spearman方法反应秩相关系数,Spearman公式如下:

    $$\rho=\frac{\sum_j\left(x_{i j}-\overline{x_i}\right)\left(y_j-\bar{y}\right)}{\sqrt{\sum_j\left(x_{i j}-\overline{x_i}\right)^2 \sum_j\left(y_j-\bar{y}\right)^2}}$$ (2)

    式中:xij表示第jxi数据秩次;yi表示第iy数据秩次。代入数据计算出Spearman相关系数。

    平均影响值(MIV)方法衡量神经网络输入参数对输出参数影响大小,符号代表影响的方向,大小代表影响的重要性。首先通过300组输入和输出数据拟合神经网络,取80%数据用来训练,10%数据用来验证,10%数据用来测试,构建神经网络模型。基于贝叶斯优化训练BP神经网络,隐含层选取10层。神经网络原理图如图 3所示。

    图  3  基于贝叶斯优化的BP神经网络原理
    Figure  3.  Schematic diagram of a BP neural network based on Bayesian optimization

    经过神经网络训练,回归R值为0.99,训练均方误差量级在e-4以下,测试均方误差量级在e-3以下,满足工程要求。将输入参数数值分别增加10%、减少10%,分别带入到训练好的神经网络中,得出预测的输出值,求得两组输出值的差值,即为MIV值。计算出基于MIV方法的热设计参数灵敏度。

    3种方法计算出灵敏度如图 4所示。

    图  4  热设计参数灵敏度分布
    Figure  4.  Sensitivity distribution of thermal design parameters

    图 4可知,散热路径热设计参数中,CMOS温度对于ε1α2T3K4R7R8R9参数较为敏感。得到影响CMOS温度的主要热设计参数:ε1为散热面白漆发射率;α2为散热面白漆吸收率;T3为辐射冷板厚度;K4为导热铜索的导热率;R7为CMOS安装面与铝基导热板间热阻;R8为铝基导热板与导热铜索间热阻;R9为导热铜索与热管间热阻。在热设计中,主要优化以上参数,其余参数在设计有余地时也应该适当考虑。

    Pearson方法中CMOS温度对ε1α2R9T3参数较为敏感。Spearman方法中CMOS温度对ε1α2R9R7参数较为敏感。MIV方法中CMOS温度对ε1α2R8K4参数较为敏感。比较3种方法,ε1α2为最重要的灵敏度参数,在热设计中应着重考虑。T3K4R7R8R9参数也对CMOS温度有一定的影响。在设计中,参数数值增大,CMOS温度随之升高的热设计参数定义为正影响参数,反之定义为负影响参数。其中,α2R7R8R9为正影响参数,ε1T3K4为负响应参数。为提高CMOS组件的散热能力,在热设计过程中应增大ε1T3K4参数数值,减小α2R7R8R9参数数值。

    依据本文混合灵敏度分析方法结果,制定CMOS组件相关热设计如下。

    1)在CMOS组件上布置控温回路,保证CMOS组件存储工况下温度满足热控指标。

    2)辐射冷板背部布置控温回路,防止辐射冷板背部热管在存储工况下过冷导致失效。

    1)在辐射冷板表面上喷涂白漆以获得优良的散热性能,选用S781白漆,太阳吸收率为0.17~0.23,红外发射率为0.85~0.86;

    2)导热索材料选择紫铜,导热率为390 W/(m2·K);

    3)导热铝块与主体框架隔热安装,增大导热铝块与主体框架间热阻,R为20℃/W;

    4)散热路径上零件导热安装,打磨接触面使其光滑,导热系数取1000 W/(m2·K),CMOS安装面与导热铝块间热阻为0.4℃/W,导热铝块与导热索间热阻为0.2℃/W,导热索与热管间热阻为0.04℃/W。

    通过有限元软件对在轨组装望远镜进行建模,共划分了16898个壳单元,建立122个热耦合。其中CMOS组件有限元模型如图 5所示。

    图  5  CMOS组件有限元模型
    Figure  5.  Finite element model of CMOS component

    为验证CMOS组件能否满足温度指标要求,定义高低温两种工况。在高温工况下,外热流选最大值取冬至时刻,白漆属性选择末期属性,红外发射率取0.85,太阳吸收率取0.23。在低温工况下,外热流选最小值取夏至时刻,白漆属性选择初期属性,红外发射率取0.86,太阳吸收率取0.17。两种工况下望远镜整体保留主动热控措施。CMOS整轨运行期间以满功率状态运行10 min,其余时间处于待机状态。

    通过有限元软件仿真计算出CMOS温度,得到低温工况下CMOS温度T1和高温工况下CMOS温度T2时间变化曲线如图 6所示。

    图  6  高低温工况CMOS温度变化曲线
    Figure  6.  CMOS temperature variation curves for high and low temperature operating conditions

    图 6可知,在高低温极端工况下CMOS组件温度波动1.6℃~25.4℃,在工作期间满足指标15℃~30℃,在待机期间满足指标0℃~40℃。证明了本文提出的混合灵敏度分析方法的热设计方法可行性。

    本文提出了一种混合灵敏度分析方法,该方法基于MIV算法并结合传统回归分析Pearson和Spearman算法相互对比验证。较单一灵敏度方法减少了不确定性和误差。较传统遍历选取热设计参数方法,该方法能够快速准确找出重要热设计参数,为在轨组装望远镜CMOS组件的热设计参数选取提供了依据。

    通过仿真分析,在高低温极端工况下CMOS组件温度波动1.6℃~25.4℃,满足工作温度,验证了基于混合灵敏度分析方法在CMOS热设计中可行性,该方法后续可扩展应用到在轨组装望远镜整机热设计中。

  • 图  1   nBn器件能带结构及载流子输运

    Figure  1.   Band structure and carrier transport of nBn device

    图  2   零偏压下常规nBn长波红外器件能带结构

    Figure  2.   Band structure of conventional nBn LWIR HgCdTe device at zero bias

    图  3   反向偏压下常规nBn长波红外器件能带结构

    Figure  3.   Band structure of conventional nBn LWIR HgCdTe device at reverse bias

    图  4   nBn结构长波红外碲镉汞器件仿真模型

    Figure  4.   Simulation model of nBn structure LWIR HgCdTe device

    图  5   碲镉汞nBn长波器件能带带阶与势垒组分的关系

    Figure  5.   Relationship between band offset and barrier composition of HgCdTe nBn LWIR device

    图  6   碲镉汞nBn长波器件能带带阶与势垒掺杂浓度的关系

    Figure  6.   Relationship between band offset and barrier concentration of HgCdTe nBn LWIR device

    图  7   扩散电流成分计算结果

    Figure  7.   Calculation results of diffusion current component

    图  8   不同工作温度下NmajτA1乘积计算结果

    Figure  8.   Calculation results of NmajτA1 product at different temperatures

    图  9   结构优化nBn长波红外器件反向偏压下的能带结构

    Figure  9.   Band structure of optimized nBn LWIR HgCdTe device at reverse bias

    图  10   EV与组分梯度过渡层厚度的关系

    Figure  10.   Relationship between ∆EV and graded layer thickness

    图  11   优化的nBn结构长波红外碲镉汞器件暗电流水平

    Figure  11.   Dark current of optimized nBn LWIR HgCdTe device

    表  1   nBn结构碲镉汞长波红外器件仿真参数

    Table  1   Simulation parameters of nBn HgCdTe LWIR device

    Contact Barrier Gradient Absorber
    Comp(x) 0.275 0.55 0.55-0.225 0.225
    d/μm 1.0 0.1 0.1-1.0 7.0
    ND/cm-3 5E15 (1-1000)E14 (0.2-1)E15 (0.5-50)E14
    下载: 导出CSV
  • [1] 褚君浩. 窄禁带半导体物理学[M]. 北京: 科学出版社, 2005.

    CHU Junhao. Narrow-gap Semiconductor Physics[M]. Beijing: Science Press, 2005.

    [2] 杨健荣. 碲镉汞材料物理与技术[M]. 北京: 国防工业出版社, 2012.

    YANG Jianrong. Physics and Technology of HgCdTe Materials[M]. Beijing: National Defense Industry Press, 2012.

    [3] 史衍丽. 第三代红外探测器的发展与选择[J]. 红外技术, 2013, 35(1): 1-8. http://hwjs.nvir.cn/cn/article/id/hwjs201301003

    SHI Yanli. Choice and development of the third-generation infrared detectors[J]. Infrared Technology, 2013, 35(1): 1-8. http://hwjs.nvir.cn/cn/article/id/hwjs201301003

    [4]

    Rogalski A, Antoszewski J, Faraone L. Third-generation infrared photodetector arrays[J]. Journal of Applied Physics, 2009, 105(9): 091101-1. DOI: 10.1063/1.3099572

    [5]

    Rogalski A. New material systems for third generation infrared detectors[C]//SPIE, 2009, 7388: 73880J-1.

    [6]

    Maimon S, Wicks G W. nBn detector, an infrared detector with reduced dark current and higher operating temperature[J]. Applied Physics Letters, 2006, 151109(89): 1-3.

    [7]

    Rodriguez J B, Plis E, Bishop G, et al. nBn structure based on InAs/GaSb type-Ⅱ strained layer superlattices[J]. Applied Physics Letters, 2007, 043514(91): 1-2.

    [8]

    Itsuno A M, Phillips J D, Selicu S. Design and modeling of HgCdTe nBn detectors[J]. Journal of Electronic Materials, 2011, 40(8): 1624-1629. DOI: 10.1007/s11664-011-1614-0

    [9]

    Itsuno A M, Phillips J D, Velicu S. Mid-wave infrared HgCdTe nBn photodetector[J]. Applied Physics Letters, 2012, 161102(100): 2-4.

    [10]

    Itsuno A M, Phillips J D, Velicu S. Design of an auger-suppressed unipolar HgCdTe NBvN photodetector[J]. Journal of Electronic Materials, 2012, 41(10): 2886-2993. DOI: 10.1007/s11664-012-1992-y

    [11]

    Kopytko M, Wrobel J, Jozwikowski K, et al. Engineering the bandgap of unipolar of HgCdTe-based nBn infrared photodetectors[J]. Journal of Electronic Materials, 2015, 44(1): 158-166. DOI: 10.1007/s11664-014-3511-9

    [12]

    Martyniuk P, Gawron W, Rogalski A. Theoretical modeling of HOT HgCdTe barrier detectors for the mid-wave infrared range[J]. Journal of Electronic Materials, 2013, 42(11): 3309-3319. DOI: 10.1007/s11664-013-2737-2

    [13]

    N Akhavan D, Umana-Membreno G A, Jolley G, et al. A method of removing the valence band offset discontinuity in HgCdTe-based nBn detectors[J]. Applied Physics Letters, 2014, 121110(105): 1-4.

    [14]

    Akhavan N D, Umana-Membreno G A, Renjie Gu, et al. Superlattice barrier HgCdTe nBn infrared photodetectors: validation of the effective mass approximation[J]. IEEE Transactions on Electron Devices, 2016, 63(12): 1-8. DOI: 10.1109/TED.2016.2623269

    [15]

    Rogalski A, Kopytko M, Jóźwikowski K, et al. Influence of radiative recombination on performance of p-i-n HOT long wavelength infrared HgCdTe photodiodes[C]//SPIE, 2018, 10624: 106240Y-1.

    [16]

    Rogalski A, Kopytko M, Martyniuk P. Performance prediction of p-i-n HgCdTe long-wavelength infrared HOT photodiodes[J]. Applied Optics, 2018, 57(18): D11-D19. DOI: 10.1364/AO.57.000D11

    [17]

    Kinch M A. State-of-the-Art Infrared Detector Technology[M]. Bellingham: SPIE, 2014.

    [18]

    Lee D, Dreiske P, Ellsworth J, et al. Law 19: The ultimate photodiode performance metric[C]//SPIE, 2020, 11407: 114070X-1.

    [19]

    Tennant W E, Lee D, Zandian M, et al. MBE HgCdTe technology: a very general solution to IR detection, described by ''Rule 07", a very convenient heuristic[J]. Journal of Electronic Materials, 2008, 37(9): 1406-1410. DOI: 10.1007/s11664-008-0426-3

    [20]

    Tennant W E. "Rule 07" Revisited: still a good heuristic predictor of p/n HgCdTe photodiode performance?[J]. Journal of Electronic Materials, 2010, 39(7): 1030-1035. DOI: 10.1007/s11664-010-1084-9

    [21]

    Elliott C T, Gordon N T, White A M. Towards background-limited, room-temperature, infrared photon detectors in the 3-13 mm wavelength range[J]. Applied Physics Letters, 1999, 74(19): 2881-2883. DOI: 10.1063/1.124045

    [22]

    Piotr Martyniuk, Antoni Rogalski. Performance comparison of barrier detectors and HgCdTe photodiodes[J]. Optical Engineering, 2014, 53(10): 106105. DOI: 10.1117/1.OE.53.10.106105

    [23]

    Kopytko M, Rogalski A. New insights into the ultimate performance of HgCdTe photodiodes[J]. Sensors and Actuators: A. Physical, 2022, 339: 113511. DOI: 10.1016/j.sna.2022.113511

    [24]

    Kopytko M, Rogalski A. Performance evaluation of type-ii superlattice devices relative to HgCdTe photodiodes[J]. IEEE Transactions on Electron Devices, 2022, 69(6): 2992-3002. DOI: 10.1109/TED.2022.3164373

图(11)  /  表(1)
计量
  • 文章访问数:  86
  • HTML全文浏览量:  13
  • PDF下载量:  67
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-09-14
  • 修回日期:  2023-01-30
  • 网络出版日期:  2024-07-24
  • 刊出日期:  2024-07-19

目录

/

返回文章
返回
x 关闭 永久关闭

尊敬的专家、作者、读者:

端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

感谢您对本刊的支持!

《红外技术》编辑部

2024年6月6日