我国半导体SiC单晶粉料和设备生产实现新突破

6月5日,在中国电子科技集团公司第二研究所(简称中国电科二所)生产大楼内,100台碳化硅(SiC)单晶生长设备正在高速运行,SiC单晶就在这100台设备里“奋力”生长。

  中国电科二所第一事业部主任李斌说:“这100台SiC单晶生长设备和粉料都是我们自主研发和生产的。我们很自豪,正好咱们自己能生产了。”

  SiC单晶是第三代半导体材料,以其特有的大禁带宽度、高临界击穿场强、高电子迁移率、高热导率等特性, 成为制作高温、高频、大功率、抗辐照、短波发光及光电集成器件的理想材料,是新一代雷达、卫星通讯、高压输变电、轨道交通、电动汽车、通讯基站等重要领域的核心材料,具有重要的应用价值和广阔的应用前景。

  中国电科二所第一事业部主任李斌说:“高纯SiC粉料是SiC单晶生长的关键原材料,单晶生长炉是SiC单晶生长的核心设备,要想生长出高质量的SiC单晶,在具备高纯SiC粉料和单晶生长炉条件下,还需要对生产工艺进行设计、调试和优化。”

  据介绍,单晶生长炉需要达到高温、高真空、高洁净度的要求,目前国内只有两家能生产单晶生长炉,中国电科二所是其中之一。他们突破了大直径SiC生长的温场设计,实现可用于150mm直径SiC单晶生长炉高极限真空、低背景漏率生长炉设计制造及小批量生产;他们还突破了高纯SiC粉料中的杂质控制技术、粒度控制技术、晶型控制技术等关键技术,实现了99.9995%以上纯度的SiC粉料的批量生产。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值