介绍了一种采用宽禁带半导体二氧化钛纳米管阵列薄膜材料制备β伏特效应同位素电池的方法.通过对金属钛片的电化学阳极氧化制备了垂直定向、有序排列的二氧化钛纳米管阵列薄膜,研究了退火条件对二氧化钛纳米管阵列薄膜半导体光电性能的...介绍了一种采用宽禁带半导体二氧化钛纳米管阵列薄膜材料制备β伏特效应同位素电池的方法.通过对金属钛片的电化学阳极氧化制备了垂直定向、有序排列的二氧化钛纳米管阵列薄膜,研究了退火条件对二氧化钛纳米管阵列薄膜半导体光电性能的影响.通过与镍-63辐射源的集成封装,形成三明治结构镍-63/二氧化钛纳米管阵列薄膜/钛片的β伏特同位素电池.实验结果表明,基于氩气氛围下450?C退火的黑色二氧化钛纳米管阵列薄膜具有高的氧空位缺陷浓度和宽的可见-紫外吸收光谱.在使用β辐射总能量为10 m Ci的镍-63辐射源时,同位素电池的开路电压为1.02 V,短路电流75.52 n A,最大有效转换效率为22.48%.展开更多
随着摩尔定律推进至纳米级节点,以硅通孔(TSV)、重布线层(RDL)、薄芯片堆叠键合等为支撑的三维集成被认为是延续摩尔定律的重要途径.Cu/SiO_(2)混合键合可以持续缩小芯片间三维互连节距、增大三维互连密度,是芯片堆叠键合前沿技术.近年...随着摩尔定律推进至纳米级节点,以硅通孔(TSV)、重布线层(RDL)、薄芯片堆叠键合等为支撑的三维集成被认为是延续摩尔定律的重要途径.Cu/SiO_(2)混合键合可以持续缩小芯片间三维互连节距、增大三维互连密度,是芯片堆叠键合前沿技术.近年来它在互补金属氧化物半导体(CMOS)图像传感器(CIS)、Xtacking 3D NAND、2.5D/3D集成等商业化应用突破,使之成为国内外领先半导体研究机构研究关注的热点话题.本文将系统梳理混合键合技术的研究历史与产业应用现状,重点分析近年来国内外代表性研究工作的技术路线、研究方法、关键问题等,在此基础上,对混合键合技术的未来发展方向进行展望.展开更多
针对液晶显示器(LCD)面板的“Chip/FPC on Glass”(C/FOG)工艺生产制造过程中存在的计量延迟大、生产异常无法提前预测的问题,本文提出一种基于神经网络的C/FOG工艺生产制造虚拟计量方法。该方法利用生产机台上的传感器采集生产过程中...针对液晶显示器(LCD)面板的“Chip/FPC on Glass”(C/FOG)工艺生产制造过程中存在的计量延迟大、生产异常无法提前预测的问题,本文提出一种基于神经网络的C/FOG工艺生产制造虚拟计量方法。该方法利用生产机台上的传感器采集生产过程中的过程状态数据,构建基于多尺度一维卷积及通道注意力模型(MS1DC-CA)的虚拟计量模型。通过多个尺度的卷积核提取不同尺度范围内的状态数据特征。在对含有缺失值的原始数据预处理中,提出了基于粒子群算法改进的K近邻填补方法(PSO-KNN Imputation)进行缺失值填充,保留特征的同时,减少因填充值引入的干扰。最后在实际生产采集的数据上进行实验对比分析,实际不良率主要集中在0.1%~0.5%,该虚拟计量模型的拟合均方误差为0.397 7‱,低于其他现有拟合模型,在平均绝对误差、对称平均绝对百分比误差和拟合优度3种评价指标下也均优于其他现有的拟合模型,具有良好的预测性能。展开更多
文摘介绍了一种采用宽禁带半导体二氧化钛纳米管阵列薄膜材料制备β伏特效应同位素电池的方法.通过对金属钛片的电化学阳极氧化制备了垂直定向、有序排列的二氧化钛纳米管阵列薄膜,研究了退火条件对二氧化钛纳米管阵列薄膜半导体光电性能的影响.通过与镍-63辐射源的集成封装,形成三明治结构镍-63/二氧化钛纳米管阵列薄膜/钛片的β伏特同位素电池.实验结果表明,基于氩气氛围下450?C退火的黑色二氧化钛纳米管阵列薄膜具有高的氧空位缺陷浓度和宽的可见-紫外吸收光谱.在使用β辐射总能量为10 m Ci的镍-63辐射源时,同位素电池的开路电压为1.02 V,短路电流75.52 n A,最大有效转换效率为22.48%.
文摘随着摩尔定律推进至纳米级节点,以硅通孔(TSV)、重布线层(RDL)、薄芯片堆叠键合等为支撑的三维集成被认为是延续摩尔定律的重要途径.Cu/SiO_(2)混合键合可以持续缩小芯片间三维互连节距、增大三维互连密度,是芯片堆叠键合前沿技术.近年来它在互补金属氧化物半导体(CMOS)图像传感器(CIS)、Xtacking 3D NAND、2.5D/3D集成等商业化应用突破,使之成为国内外领先半导体研究机构研究关注的热点话题.本文将系统梳理混合键合技术的研究历史与产业应用现状,重点分析近年来国内外代表性研究工作的技术路线、研究方法、关键问题等,在此基础上,对混合键合技术的未来发展方向进行展望.
文摘针对液晶显示器(LCD)面板的“Chip/FPC on Glass”(C/FOG)工艺生产制造过程中存在的计量延迟大、生产异常无法提前预测的问题,本文提出一种基于神经网络的C/FOG工艺生产制造虚拟计量方法。该方法利用生产机台上的传感器采集生产过程中的过程状态数据,构建基于多尺度一维卷积及通道注意力模型(MS1DC-CA)的虚拟计量模型。通过多个尺度的卷积核提取不同尺度范围内的状态数据特征。在对含有缺失值的原始数据预处理中,提出了基于粒子群算法改进的K近邻填补方法(PSO-KNN Imputation)进行缺失值填充,保留特征的同时,减少因填充值引入的干扰。最后在实际生产采集的数据上进行实验对比分析,实际不良率主要集中在0.1%~0.5%,该虚拟计量模型的拟合均方误差为0.397 7‱,低于其他现有拟合模型,在平均绝对误差、对称平均绝对百分比误差和拟合优度3种评价指标下也均优于其他现有的拟合模型,具有良好的预测性能。
