Zastosowanie metod inteligencji obliczeniowej do analizy struktury defektowej półprzewodników wysokorezystywnych

• Autorzy: Jankowski S. , Kamiński P. , Kozłowski R. , Szymański R. , Będkowski J.

Warianty tytułu

EN

Application of computational intelligence to analysis of defect structure of high-resistivity semiconductors

• Języki publikacji: PL

Abstrakty

PL

Inteligentne algorytmy obliczeniowe, maszynę wektorów nośnych oraz maszynę wektorów istotnych, zaimplementowano w systemie pomiarowym do badania centrów defektowych w półprzewodnikach wysokorezystywnych metodą niestacjonarnej spektroskopii foto-prądowej. Skuteczność działania tych algorytmów sprawdzono poprzez ich zastosowanie do badania centrów defektowych w niedomieszkowanym monokrysztale InP, którego własności półizolujące otrzymane zostały w wyniku długotrwałej obróbki termicznej w atmosferze par fosforu.

EN

Intelligent computational algorithms support vector machine (SVM) and relevance vector machine (RVM) has been implemented in the experimental system dedicated to studies of defect centres in high resistivity semiconductors by photoinduced transient spectroscopy (PITS). Functional effectiveness of these algorithms has been tested through their application to studying defect centres in an undoped InP single crystal whose semi-insulating properties were obtained by a long-term heat treatment in phosphorus vapour atmosphere.

Słowa kluczowe

PL

maszyna wektorów nośnych SVM; maszyna wektorów istotnych RVM; niestacjonarna spektroskopia fotoprądowa PITS; centra defektowe; materiały półizolujące

EN

support vector machine (SVM); relevance vector machine RVM; photoinduced transient spectroscopy (PITS); defect centres; semi-insulating materials

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2009
• Tom: Vol. 50, nr 8
• Strony: 285--290
• Opis fizyczny: Bibliogr. 13 poz., tab., wykr.

Twórcy

autor

Jankowski S.

autor

Kamiński P.

autor

Kozłowski R.

autor

Szymański R.

autor

Będkowski J.

• Politechnika Warszawska, Instytut Systemów Elektronicznych

Bibliografia

• [1] Vapnik V. N.: Statistical Learning Theory. Wiley, New York, 1998.
• [2] Platt J. C.: Fast Training of Support Vector Machines using Seguential Minimal Optimization. Advances in Kernel Methods - Support Vector Learning, B. Scholkopf, C. Burges, and A. Smola, eds., pp. 185-208, MIT Press, (1999).
• [3] Tipping M. E.: Sparse bayesian learning and the relevance vector machine. Journal of Machine Learning Research, 1, 211-244, 2001.
• [4] Jankowski S., Wierzbowski M., Kamiński P., Pawłowski M.: Implementation of neural network method to investigation of defect centers in semi-insulating materials. International Journal of Modern Physics B., 16, 4449-4454, 2002.
• [5] Pawłowski M. : Extraction of deep trap parameters from photocurrent transients by two-dimensional spectral analysis. Solid-State Electronics, 46, 2002, 1879-1885.
• [6] Pawłowski M., Kamiński P., Kozłowski R., Jankowski St., Wierzbowski M.: Intelligent measuring system for characterisation of defect centres in semi-insulating materials by photoin-duced transient spectroscopy. Metrology and Measurement Systems, Polish Academy of Sciences, Committee of Measurement And Scientific Instrumentation, vol. XII (2), 2005, 207-228.
• [7] Dobaczewski L., Kaczor P., Hawkins I. D., Peaker A. R.: Laplace Transfom Deep-Level Transient Spectroscopic Studies of Defects in Semiconductors. J. Appl. Phys. 76 (1), 1994, 194-198.
• [8] Dobaczewski L., Peaker A. R., Bonde Nielsen K.: Laplace transform deep-level spectroscopy: The technique and its application to study of point defects in semiconductors. J. Appl. Phys., 96 (9), 2004, 4689-4728.
• [9] Istratov A. A., Vyvenko O. F: Exponential analysis in physical phenomena. Rev. Sci. Instrum, vol. 70, no 2, February 1999, 1233-1257.
• [10] Kamiński P., Kozłowski R.: High-resolution transient spectroscopy as a new tool for quality assessment of semiinsulating GaAs. Materials Science and Engineering, B91-92 (2002), 398-402.
• [11] Kamiński P., Kozłowski R., Strzelecka S., Pawłowski M., Wegner E., Piersa M.: High-resolution photoinduced transient spectroscopy of defect centres in semi-insulating InP obtained by iron diffusion. Materials Science in Semiconductor Processing 9, (2006), 384-389.
• [12] Kamiński P., Jankowski S., Kozłowski R., Będkowski J.: Application of Computational Intelligence to Investigation of defect Centers in Semi-insulating materials by Photoinduced Transient Spectroscopy. Mater. Res. Soc. Sym. Proc. vol. 994, 0994-F03-14, 2007.
• [13] Jankowski St., Kamiński P., Będkowski J., Danilewicz P., Szymański Z., Kozłowski R., Pawłowski M.: Application of computational intelligence to analysis of PITS spectral images for defect centers in semi-insulating materials. Journal of Materials Science: Materials In Electronics (December 2008) vol. 19, S356-S361, Springer.
• [14] Pawłowski M., Kamiński P., Kozłowski R., Kozubal M., Żelazko J.: Obrazowanie struktury defektowej kryształów półizolujacego GaAs poprzez analizę relaksacyjnych przebiegów fotoprądu zastosowaniem odwrotnego przekształcenia Laplace'a. Materiały Elektroniczne, t. 34, nr 1/2, 2006, 48-77.