【氮化镓】GaN HEMTs结温和热阻测试方法

2024-04-15 09:52

本文主要是介绍【氮化镓】GaN HEMTs结温和热阻测试方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章《Temperature rise detection in GaN high-electron-mobility transistors via gate-drain Schottky junction forward-conduction voltages》,由Xiujuan Huang, Chunsheng Guo, Qian Wen, Shiwei Feng, 和 Yamin Zhang撰写,发表在《Microelectronics Journal》,作者来自中国北京工业大学半导体器件可靠性物理研究所。

摘要

文章讨论了一种基于栅漏肖特基二极管正向电压降的氮化镓高电子迁移率晶体管(GaN HEMTs)结温和热阻的电测方法。在测量这个温度敏感参数时,源极被置于浮动状态,而漏极接地。研究表明,GaN HEMTs的热点位于靠近漏极的栅侧。使用栅漏肖特基二极管的正向电压降相对于使用栅源肖特基二极管的正向电压降能够得到更高和更一致的温度读数。这种方法可能为基于氮化镓的HEMTs的热管理和可靠性分析提供更准确的数据。实验结果显示,当样品在1分钟内展示3.44W的热功耗时,样品在栅漏侧的最大温度为44.8°C,而在栅源侧约为40.5°C。因此,所提出的方法具有实用性和指导性。

1. 引言

文章首先介绍了氮化镓基半导体器件在高电压、高频和高功率领域以及温度测量中具有潜在应用,因为它们具有更高的击穿电压和电子迁移率。然而,高功率条件下运行的设备会产生大量热量,导致设备温度升高,这可能严重影响性能、可靠性和寿命。文章强调了热管理的重要性,并指出了有效热管理的起点是对半导体器件热特性的详细了解。通常,热特性通过模拟和光学及电学温度测量来研究。光学温度测量方法通常需要拆卸设备,这使得测量变得复杂,并导致时间分辨率低,难以捕捉瞬态温度升高。与此相反,电测方法是非破坏性的,并且结合基于RC响应原理的结构功能分析,可以提供热流路径的垂直分布和每个结构层的热阻信息。

2. 设备结构和实验方法

2.1 设备结构和测试环境

测试的器件是一个在4H–SiC衬底上通过有机金属化学气相沉积生长的AlGaN/AlN/GaN HEMT。器件的结构和测试环境在图1中展示。器件的GaN缓冲层厚度为1.5 μm,AlN界面层厚度为1 nm,未掺杂的AlGaN势垒层分别为1 nm和25 nm。使用SiN进行表面钝化。源/漏欧姆电极使用Ti/Al/Pt/Au材料,而Ni/Au用作肖特基栅。源极到栅极间距、栅极到漏极间距、栅极长度和栅极宽度分别为2.5 μm、2 μm、1 μm和200 μm。

2.2 实验原理

图2(a)是主要的电气原理图,图2(b)是实际的电路板。在图2(a)中,Q1、Q2、Q3和Q4是控制器件工作状态的开关,由现场可编程门阵列(FPGA)芯片控制。这些开关都选用了n沟道金属氧化物半导体场效应晶体管(型号IRF530),其导通电阻为0.18 Ω。使用100 nf电容器作为解耦电容,以减少GaN HEMTs自激产生的Vds对Vdg的影响。Itest是一个恒定的测试电流源。肖特基二极管的正向电压降随温度升高而线性降低。同时,AlGaN/AlN/GaN HEMT栅使用肖特基接触,在栅漏和栅源之间存在肖特基二极管。这里,使用栅漏肖特基二极管的正向电压降作为温度敏感参数来测量器件的温度升高。然后将结果与使用栅源肖特基二极管的正向电压降进行比较。肖特基二极管的正向电压降和温度的线性关系可以通过参考文献[21]表示:

V(t) = K ∗ T(t) (1)

其中V(t)是随时间变化的电压,T(t)是随时间变化的温度,K是温度敏感参数随温度变化的系数(即温度系数)。根据方程(1),可以从电压变化中获得温度变化:

ΔT(t) =ΔV(t) / K (2)

在半导体器件的热分析中,热阻通常用于表征热传递路径上的阻力。根据JEDEC表征NO.51-1定义,热阻由参考文献[21]给出:

Rth = (ΔT / P) = (Tj − T0) / P (3)

其中Tj是半导体器件稳定时的芯片温度,T0是初始温度,P是耗散的功率,Rth是器件到参考点的热阻。通过结构-功能方法[10]获得并分析了瞬态温度升高。该方法借鉴了RC对应原理,对于一系列多阶RC网络,阶跃响应由多个由电阻的电容决定的时间常数特征化。每种阶数的电阻值可以通过相应时间常数的阶跃电压确定。基于半导体芯片中热传递和功率传递的相似性,这种方法可以应用于热特性,其中半导体器件可以被视为芯片、焊料和封装壳体连接在系列中的热容量和热阻网络[22]。

2.3 实验步骤

测量分为三个主要步骤。首先,通过将器件放置在设定为35°C、45°C、55°C或65°C的恒温平台上,关闭Q1并注入测试电流到栅极,获得温度敏感参数的温度系数(TSP)。其次,获得瞬态温度升高。将器件放置在设定为35°C的恒温平台上,TSP的电压值为V0。对器件施加特定的功耗使其温度升高。温度升高到稳定状态后,进入冷却阶段。TSP随着温度降低而增加,最终TSP回到V0。结合前一步的温度系数K,可以获得器件温度的冷却响应。最后一步是使用结构-功能方法分析瞬态温度升高响应曲线,以获得器件到测试环境的每层热阻。

3. 结果与讨论

为了防止测试电流通过自加热影响结果,将其降低到5 mA。校准曲线如图4所示。两者均表现出线性关系,温度系数(K)从斜率中计算得出。从栅漏肖特基二极管的正向电压降和极管的正向电压降和栅源肖特基二极管的正向电压降测得的TSPs分别为-4.1 mv/°C和-4.7 mv/°C。栅源肖特基二极管的正向电压降测得的TSPs分别为-4.1 mv/°C和-4.7 mv/°C。极管的正向电压降和栅源肖特基二极管的正向电压降测得的TSPs分别为-4.1 mv/°C和-4.7 mv/°C。栅漏肖特基二极管的正向电压降的温度敏感系数略小。由于TSPs的变化仅为每升高1°C的几毫伏,为了提高信噪比,变化被放大了十倍。在连接测试系统后,Vgs设置为-1V,Vds设置为8V,Ids设置为0.43A,功耗设置为3.44W,恒温平台的温度设置为35°C。根据图2,当栅漏肖特基二极管电压降作为TSP时,在测量阶段关闭Q1、Q2和Q3,打开Q4,测试电流通过栅流向漏极。为了确保测量的准确性,从加热状态到测量状态的整个切换过程的延迟被控制在3 μs以内。

图5显示了切断电源后器件的瞬态冷却曲线。图6中的瞬态温度升高是通过加热和冷却的互补性获得的。由于TSP较高,通过栅漏二极管的正向电压降测量温度升高;最大温度升高为44.8°C。而使用栅源肖特基二极管的正向电压降作为TSP测得的器件温度升高为40.5°C。两者之间的最大温度升高差近4°C,因为当GaN HEMTs工作时,电场集中在靠近漏极的栅侧,导致靠近漏极的栅侧温度升高更多。这些测量结果与报告的热模拟一致,表明GaN HEMT热点位于靠近漏极的栅侧。使用结构-功能方法分析瞬态温度升高曲线,以获得分层热阻的信息,如图7所示。黑色曲线是使用栅漏肖特基二极管的正向电压降作为TSP测量的,红色曲线代表通过栅源肖特基二极管的正向电压降变化测量的热阻。两条线不重合,因为GaN HEMTs的工作状态下的沟道电流密度不均匀,且漏源之间的功耗不一致。通过栅漏肖特基二极管的正向电压降作为TSP测量的热阻信息为:R th1 = 2.48 K/W是器件芯片的热阻,Rtth2 = 3.67 K/W是焊料的热

阻。两者之间的1.19K/W差异是器件与焊料之间的接触热阻,Rth3 = 4.40 K/W是器件的热阻。Rth3和Rtth2之间的0.73K/W差异是焊料与壳体之间的热阻,Rth4 = 5.78 K/W是测试系统的绝缘垫圈的热阻。Rth4和Rth3之间的1.38K/W差异是壳体与绝缘垫圈之间的接触热阻,Rth5 = 12.88 K/W是恒温散热平台的热阻,它与Rth4之间的7.1K/W差异是绝缘垫圈与恒温平台之间的接触热阻。

4. 结论

文章提出了一种通过栅漏二极管正向电压降作为TSP来测量GaN HEMT器件的温度升高和热阻的方法。制造了一个完整的电路,使用栅漏二极管的正向电压降作为TSP和栅源肖特基二极管的正向电压降作为TSP分别测量温升和热阻。当加热功耗为3.44 W时,通过过栅漏二极管电压降作为TSP测量的GaN HEMTs的温度升高更高,比通过栅源肖特基二极管电压降作为TSP测量的大约高5°C。GaN HEMTs的热点靠近漏极侧;因此,通过栅漏肖特基二极管的正向电压降测量的温度升高更接近真实值,这对实际应用具有指导意义。

这篇关于【氮化镓】GaN HEMTs结温和热阻测试方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/905493

相关文章

生成对抗网络(GAN网络)

Generative Adversarial Nets 生成对抗网络GAN交互式可视化网站 1、GAN 基本结构 GAN 模型其实是两个网络的组合: 生成器(Generator) 负责生成模拟数据; 判别器(Discriminator) 负责判断输入的数据是真实的还是生成的。 生成器要不断优化自己生成的数据让判别网络判断不出来,判别器也要优化自己让自己判断得更准确。 二者关系形成

深度学习--对抗生成网络(GAN, Generative Adversarial Network)

对抗生成网络(GAN, Generative Adversarial Network)是一种深度学习模型,由Ian Goodfellow等人在2014年提出。GAN主要用于生成数据,通过两个神经网络相互对抗,来生成以假乱真的新数据。以下是对GAN的详细阐述,包括其概念、作用、核心要点、实现过程、代码实现和适用场景。 1. 概念 GAN由两个神经网络组成:生成器(Generator)和判别器(D

基于 AC 驱动的电容结构 GaN LED 模型开发和应用

随着芯片尺寸减小,微小尺寸GaN 基 Micro LED 显示面临着显示与驱动高密度集成的难题,传统直流(DC)驱动技术会导致结温上升,降低器件寿命。南京大学团队创新提出交流(AC)驱动的单电极 LED(SC-LED)结构【见图1】,利用隧穿结(TJ)降低器件的交流工作电压。为了深入理解该器件的工作原理,我司技术团队开发了基于 AC 驱动的物理解析模型,揭示了隧穿结降低器件工作电压的

开关电源纹波测试方法

开关电源纹波测试是评估开关电源性能的重要手段,我们都知道开关电源中稳定的输出电压是交流电通过整流、稳压、滤波等处理后得到的稳定输出,虽然经过了处理,但直流电平上还是会有周期性和随机性的杂波信号,这些我们不需要的部分就是纹波。开关电源中存在纹波是无法避免的,因此在开关电源测试中输出纹波的测试必不可少。 以下是开关电源纹波测试的具体方法和步骤: 测试方法 开关电源纹波测试一般

深入理解GAN网络

Generative Adversarial Networks创造性地提出了对抗训练来代替人工指定的loss。之前的文章初步理解了一下,感觉还是不到位,在这里再稍微深入一点。 交叉熵cross entropy 鉴别器是GAN中重要的一部分,鉴别器和生成器交替训练的过程就是adversarial training的过程。而鉴别器的本质是一个二分类网络,所以要理解gan loss,就首先要熟悉二分

多终端同账号并发测试是一种用于检验系统在多个终端同时使用同一账号时性能表现的测试方法。

一、测试目的   1. 验证系统在多终端并发访问下的稳定性和可靠性。 2. 确保同一账号在不同终端上的数据同步准确性。 3. 检测系统对并发请求的处理能力,是否存在性能瓶颈。   二、测试要点   1. 终端选择   - 涵盖不同类型的终端设备,如手机(不同操作系统)、平板电脑、电脑等。 - 考虑不同的网络环境,如 4G/5G 网络、Wi-Fi 等。 2. 测试场景设计   - 同时登录:多个终端

深度学习实战4--GAN进阶与优化

GAN  的问题主要有两点:Loss 等于0的梯度消失问题和梯度不稳定以及多样性受损。 前者是因为选择的分布函数使用JS 距离,这个距离不能衡量两个不相交的分布的距离;后者是因为Loss  函数要求KL 距离最小,JS 距离最大,所以梯度不稳定,而且 Loss 函数对正确率要求太大,多样性要求小,所以会造成模型选择大量生成“安全”的“数字1”来降低Loss函数。

深度学习-生成模型:Generation(Tranform Vector To Object with RNN)【PixelRNN、VAE(变分自编码器)、GAN(生成对抗网络)】

深度学习-生成模型:Generation(Tranform Vector To Object with RNN)【PixelRNN、VAE(变分自编码器)、GAN(生成对抗网络)】 一、Generator的分类二、Native Generator (AutoEncoder's Decoder)三、PixelRNN1、生成句子序列2、生成图片3、生成音频:WaveNet4、生成视频:Video

白盒测试及其测试方法

什么是白盒测试 是针对程序的逻辑结构进行测试,主要适用于单元测试阶段 与黑盒测试不同的是,黑盒测试是根据业务需求设计用例的输入输出,白盒测试是对程序系统的内部逻辑实现设计输入输出。 通常的流程是先静态测试,后动态测试,在动态测试中经常使用基本路径测试法,在重要模块或业务复杂的模块可能会使用多种测试法。 白盒测试的优缺点 优点:代码覆盖率高 缺点:测试开销大、业务功能可能覆盖不全 优化

Attentation-GAN for super-resolution(ASRGAN )

Attenatation-GAN for super-resolution(ASRGAN) 1 简单介绍:       目前的SR方法解决的都是小尺寸的数据小于500px,本文提出的是针对大尺寸的数据比如大于2000px的商业数据。本文的创新之处: 提出一种新奇的使用注意力机制的SRGAN方法,叫做A-SRGAN,他是吸收了SAGAN的思想,然后哩由于处理的是大尺度的数据,所以