半导体物理-3

Equations that you’d better to understand(or remember)

两种分布函数

Fermi分布函数 f ( E ) f(E) f(E):简并
f ( E ) = 1 1 + exp ⁡ ( E − E F k 0 T ) f(E) = \frac{1}{1+\exp(\frac{E-E_F}{k_0T})} f(E)=1+exp(k0TEEF)1
Boltzmann分布函数 f B ( E ) f_B(E) fB(E):非简并, E − E F > > k 0 T E-E_F>>k_0T EEF>>k0T
f B ( E ) = 1 exp ⁡ ( E − E F k 0 T ) = exp ⁡ ( E F k 0 T ) ⋅ exp ⁡ ( − E k 0 T ) f_B(E)=\frac{1}{\exp(\frac{E-E_F}{k_0T})} =\exp(\frac{E_F}{k_0T})\cdot \exp(\frac{-E}{k_0T}) fB(E)=exp(k0TEEF)1=exp(k0TEF)exp(k0TE)

载流子浓度及乘积关系

自由电子浓度 n 0 n_0 n0
n 0 = N C exp ⁡ ( − E C − E F k 0 T ) n_0=N_C\exp(-\frac{E_C-E_F}{k_0T}) n0=NCexp(k0TECEF)
空穴浓度 p 0 p_0 p0
p 0 = N V exp ⁡ ( E V − E F k 0 T ) p_0=N_V\exp(\frac{E_V-E_F}{k_0T}) p0=NVexp(k0TEVEF)
乘积关系
n 0 p 0 = n i 2 n_0p_0=n_i^2 n0p0=ni2

电离杂质浓度

电离施主杂质浓度 n D + n_D^+ nD+
n D + = N D − n D = N D − N D ⋅ f D ( E ) n_D^+ = N_D-n_D = N_D-N_D\cdot f_D(E) nD+=NDnD=NDNDfD(E)
f D ( E ) = 1 1 + 1 2 e x p ( E D − E F k 0 T ) f_D(E) = \frac{1}{1+\frac{1}{2}exp(\frac{E_D-E_F}{k_0T})} fD(E)=1+21exp(k0TEDEF)1
n D + = N D 1 + 2 e x p ( − E D − E F k 0 T ) n_D^+ = \frac{N_D}{1+2exp(-\frac{E_D-E_F}{k_0T})} nD+=1+2exp(k0TEDEF)ND

电离受主杂质浓度 p A − p_A^- pA
p A − = N A − p A = N A − N A ⋅ f A ( E ) p_A^- = N_A-p_A = N_A-N_A\cdot f_A(E) pA=NApA=NANAfA(E)
f A ( E ) = 1 1 + 1 4 e x p ( − E A − E F k 0 T ) f_A(E) = \frac{1}{1+\frac{1}{4}exp(-\frac{E_A-E_F}{k_0T})} fA(E)=1+41exp(k0TEAEF)1
p A − = N A 1 + 4 e x p ( E A − E F k 0 T ) p_A^- = \frac{N_A}{1+4exp(\frac{E_A-E_F}{k_0T})} pA=1+4exp(k0TEAEF)NA

强电离区的两个范围

温度范围

温度过高,本征激发不可忽略

浓度范围

浓度过大,电离程度下降,进入中间区

经验总结

习题的历程和心得

  • 第一次尝试解题:找公式,想比较科学的计算处结果。结果是令我崩溃的下午

  • 第二次尝试解题:找答案,但不是抄答案,思路应当是自己的。结果是收获了美好的下午

我首先回顾了上一次解题,发现主要有两大问题:
1、某些参量应当给出,但未给出,给我造成了困扰
2、若纯粹使用公式计算,需要极高的数学功底,这是不切实际的

相应的解决办法是:
1、适当地参考答案,不要把注意力集中在无关紧要的参数上
2、根据特性进行分析近似,可以在顺利解题的同时不失一般准确性

经验教训

  • 务必清楚各区间的特性!
  • 务必清楚哪些近似是可行的,错误近似的终将与假设相矛盾!
  • 一定温度下的本征载流子浓度 ≠ 掺杂时该温度下的电子or空穴浓度!
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
代码下载:完整代码,可直接运行 ;运行版本:2022a或2019b或2014a;若运行有问题,可私信博主; **仿真咨询 1 各类智能优化算法改进及应用** 生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化 **2 机器学习和深度学习方面** 卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断 **3 图像处理方面** 图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 **4 路径规划方面** 旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化 **5 无人机应用方面** 无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配 **6 无线传感器定位及布局方面** 传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化 **7 信号处理方面** 信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化 **8 电力系统方面** 微电网优化、无功优化、配电网重构、储能配置 **9 元胞自动机方面** 交通流 人群疏散 病毒扩散 晶体生长 **10 雷达方面** 卡尔曼滤波跟踪、航迹关联、航迹融合

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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