找到 2 条结果
利用多波长光源对p型Cu2O薄膜晶体管宽禁带能量范围内的态密度进行先进表征
Advanced characterization of density-of-states over wide bandgap-energy in p-type Cu2O TFTs by multiple-wavelength light source
Soyeon Kim · Jaewook Yoo · Seongbin Lim · Hyeonjun Song 等5人 · Applied Physics Letters · 2025年8月 · Vol.127
本文采用多波长光源对p型氧化亚铜（Cu2O）薄膜晶体管（TFTs）在宽禁带能量范围内缺陷态密度（DOS）进行了高精度表征。通过变波长光电导测试结合温度依赖性测量，实现了对深能级与浅能级陷阱态的分辨提取，精确重构了跨费米能级的DOS分布。该方法有效克服了传统电学测试在宽禁带半导体中灵敏度不足的问题，揭示了Cu2O TFT中氧空位与铜间隙等主要缺陷的能级特征及其对载流子输运的影响机制。
解读: 该研究对阳光电源的宽禁带半导体器件开发具有重要参考价值。通过多波长光源表征DOS的方法可应用于SiC/GaN功率器件的缺陷分析与筛选,有助于提升SG系列光伏逆变器和ST系列储能变流器的功率器件可靠性。特别是对于高压大功率应用场景,精确掌握深能级缺陷特征有利于优化器件设计参数,提高转换效率和可靠性。这...
基于有限实验数据的机器学习代理模型之锰锌铁氧体磁芯损耗制造特定仿真
Fabrication-Specific Simulation of Mn-Zn Ferrite Core-Loss for Machine Learning-Based Surrogate Modeling With Limited Experimental Data
Minwook Choi · Soyeon Park · Eunyoung Jang · Minae Ouk 等7人 · IEEE Transactions on Power Electronics · 2025年1月
锰锌铁氧体是电力电子设备中常用的磁芯材料，但其损耗机制复杂且实验数据稀缺，限制了建模精度。本文提出了一种数据驱动框架，通过制造工艺特定的仿真方法，在有限实验数据条件下构建高效的机器学习代理模型，以精确预测磁芯损耗。
解读: 磁性元件（电感、变压器）是阳光电源组串式逆变器、储能PCS及充电桩产品的核心损耗源。该研究提出的机器学习代理模型能有效解决磁芯损耗在复杂工况下难以精确建模的痛点。在产品研发阶段，应用此方法可显著提升高频磁性元件的设计效率，优化磁芯选型与损耗计算，从而提升PowerTitan等储能系统及光伏逆变器的整...