在267纳米量子阱（QB）激光二极管中，通过在AlGaN结处添加BGaN界面层来改善载流子注入效果

《Journal of Luminescence》：Improved Carrier Injection in 267 nm QB Laser Diodes with a BGaN Interface Layer at the AlGaN Junction

硼掺杂电子阻断层优化深紫外激光二极管性能，阈值电流降至23.7mA，功率达92.6mW。

　　

穆罕默德·努曼（Muhammad Nauman）|哈米德·乌尔·雷赫曼（Hameed Ur Rehman）|哈米德·阿里（Hamid Ali）|纳维德·乌尔·拉赫曼（Naveed Ur Rahman）|伊姆达德·乌拉（Imdad Ullah）|尼玛特·乌拉（Nimat Ullah）|文刚比（Wengang Bi）|方旺（Fang Wang）|刘宇辉（Yuhuai Liu）

中国河南省电子材料与系统国际联合研究中心，郑州大学电气与信息工程学院电子材料与系统国际联合实验室，中国河南省郑州市450001

摘要

深紫外激光二极管在240-280纳米范围内发射相干光，在医疗保健和交通应用中非常重要。然而，激光器面临的挑战包括由于量子阱（QB）成分降解导致的电子流泄漏以及阈值电流（I_th）的增加。为了解决这些问题，本研究建议在DUV中掺入硼（B），通过注入电子阻挡层（EBL）来实现，该层可以分为三层（L1、L2和L3）。此外，我们还专注于优化阻挡层的高度，以提高267.4纳米波长的DUV-LD的性能。阻挡层的高度用于在上层EBL和下层EBL（P-Al_0.9Ga_0.1N/L1&P-Al_0.9Ga_0.1N/L3）之间放置一层厚度为0.45的B_0.55Ga_0.55N薄层。在本研究中，我们还对量子阱（QB）的尺寸和成分进行了调整，从而改善了激光器的性能。实验结果表明，在第二层EBL中掺入硼后，光提取效率（S.E）从1.03%提高到了1.5%，在100毫安的电流下实现了92.6毫瓦的峰值功率。阈值电流（I_th）从约40.6毫安降低到了23.7毫安，击穿电压（V_th）从4.8伏降低到了4.5伏。上述结果清楚地表明，掺硼的EBL以及调整量子阱的尺寸和成分可以提高DUV激光器的性能。

引言

基于AlGaN的UV-LED和激光二极管（L.D）因其广泛的用途而受到广泛关注。它们被广泛应用于水净化、空气净化、医疗设备消毒、医疗治疗、园艺照明、蛋白质分析、生物技术应用以及各种表面消毒过程1, 2。由于Al-Ga-N器件具有出色的化学稳定性和环保特性，它们被视为传统汞基DUV灯的替代品，而传统汞灯存在多种健康危害3, 4, 5, 6, 7。因此，控制和灭活病毒病原体已成为当前和未来的全球优先事项。为了实现更安全的食物、更清洁的水和更健康的空气，使用可靠的UVC消毒技术至关重要。国际紫外线协会（IUVA）的研究表明，250–290纳米范围内的深紫外光具有极高的效果8, 9, 10, 11, 12。通过注入硼（B）GaN作为缓冲层可以有效调节晶格失配。使用MBE和金属有机化学气相沉积（MOCVD）技术，已经取得了从5%到25%的不同硼含量的显著进展12, 13。

(B)GaN是一种含硼的III族氮化物合金，最近作为一种有前途的宽带隙半导体在先进的光电和功率应用中崭露头角[5]。BGaN/AlGaN和BGaN/GaN超晶格的成功外延生长证明了其与现有III族氮化物系统的兼容性。对闪锌矿结构BGaN的结构和电子性质进行了研究，证实了合成高硼含量合金的可行性。此外，刘（Liu）及其同事系统评估了六方结构BGaN在整个成分范围内的自发极化（SP）和压电（PZ）系数。即使是在GaN中加入少量的硼，也会显著改变折射率，这与电子能带结构特性密切相关，并通常与带隙呈反比关系。此外，BN本身具有较低的折射率和较低的电子迁移率，使得含硼的氮化物合金适合作为III族氮化物器件中的电子阻挡或势垒材料[14]。((B)-Ga-N)的带隙弯曲参数也对硼含量和晶格参数非常敏感。

一个主要问题是高铝含量的Al-Ga-N层中位错密度通常高达10⁹ cm^-2 [15]。载流子的注入受到严重影响，内部的损耗直接干扰了辐射复合过程，从而决定了整个光电性能。此外，硅（Si）的高能量也会影响电子的有效质量，从而降低铝的效率[16, 17, 18]。尽管如此，深紫外AlGaN结构中所需的高铝含量引入了多个挑战，降低了器件性能。在铝含量高的AlGaN层中，高密度的晶体缺陷（位错）会导致大量电子泄漏，减少活性区域内的辐射复合，降低空穴注入效率，并因层间折射率失配而增加压电极化。这些因素共同限制了光学增益，削弱了器件的激光输出[19, 20]。与高铝含量相关的另一个挑战是(P)-型Al-Ga-N中镁（Mg）能量的增加。随着铝含量的增加，镁的能量也随之升高，导致自由空穴的活性降低[21]。然而，这些挑战仍然阻碍了高效AlGaN激光二极管在紫外范围内的发展。在多量子阱中，显著的电子泄漏和点缺陷的形成进一步降低了辐射复合效率。

许多学者提出了多种解决方案，包括使用富铝Al-Ga-N电子阻挡层[22]。Al因子的增加、V型结构的采用、双锥形结构的电子阻挡层以及极化掺杂的电子阻挡层被认为可以减少激光二极管中的泄漏并降低阈值电流密度。Al-In-Ga-N EBL可以在异质结构边界减少极化密度，从而降低EBL的弯曲[4, 23, 24, 25, 26, 27]。电子阻挡层生成电子势垒（EB）以减少泄漏，同时形成空穴势垒（HBL），防止空穴被注入。Al-Ga-N组件的p型掺杂区域较大，这会影响激光二极管的载流子组成和掺杂效率，进而降低空穴注入效率（HIE）。本工作强调了在DUV中使用高铝含量的电子阻挡层的重要性，主要是为了减少晶格失配和异质界面处的极化带隙。为了克服这些问题，我们引入了含硼的(B)-Ga-N作为EBL成分。掺入硼不仅提高了导带能量，还有效限制了价带电子，促进了量子阱内的空穴传输。通过精心设计的这种分级(B)-Ga-N电子阻挡层，显著改善了激光二极管的性能。在两个EBL层之间添加的这一层将光提取效率（S.E）从1.03%提高到了1.5%，峰值功率达到了92.6毫瓦（电流为100毫安时），导带势垒从550电子伏特提高到了953电子伏特（提高了73.27%），阈值电流从约40.6毫安降低到了23.7毫安，击穿电压从4.8伏降低到了4.5伏，价带势垒从220电子伏特降低到了121电子伏特（降低了45%）。

参考文献

DUV-LD结构和参数

在本研究中，使用PICS3D软件进行了完整模拟，设计了一个500微米的激光腔体，反射率为95%，背面表面的内部光损耗为2400 m^-1。该激光二极管的结构基于已知的Ga-N蓝光激光二极管（blue LDs）设计，并进行了修改以满足DUV的要求。

图1展示了DUV LD的初始结构，包括

参考结构Al_0.9Ga_0.1N N(1)的结果

图2A展示了基线DUV-LD结构（N1）的模拟特性，包括输出功率、阈值电流（I_th）和阈值电压（V_th）。这些参数非常重要，因为实现连续波（CW）激光发射需要较低的I_th和较低的V_th，以确保激光振荡的稳定性和效率。对于传统的N1结构，模拟结果显示阈值电流约为40.6毫安，而器件能够达到最大输出功率

建议的结构N2 EBL组成Al_0.9GaN (L1)/Al_0.6GaN (L2)/ Al_0.9GaN (L3)

建议的结构N2 EBL组成Al_0.9GaN (L1)/Al_0.6GaN (L2)/ Al_0.9GaN (L3)，掺杂浓度为5×10²⁶ cm^-3。表2展示了N2结构的模拟结果，其中单个电子阻挡层（EBL）被三层EBL配置取代。在这种设计中，第一层和第三层由Al_0.9GaN组成，中间层的铝含量降低到Al_0.6GaN。厚度也进行了调整，使得第一层和最后一层的厚度均为8纳米

建议的结构N3 EBL和QB组成（Al_0.9GaN (L1)/Al_0.55GaN (L2)/ Al_0.9GaN (L3)及QB Al_0.55GaN）的变化

表2展示了N3结构的模拟结果，其中对电子阻挡层（EBL）的掺杂浓度（5×10²⁶ cm^{-3_0.9GaN，中间层调整为Al_0.55GaN，以实现更平滑的成分过渡。此外，QB的铝含量也降低到Al_0.55GaN，以进一步优化载流子传输}

建议的结构N4 EBL L2和QB组成（Al_0.50GaN）的变化

表2展示了N4结构的模拟结果，其中对电子阻挡层（EBL）和量子势垒（QB）的成分进行了进一步优化。在这种设计中，第二层EBL的铝含量降低到Al_0.50GaN，形成了有助于改善空穴注入的平面势垒梯度。同样，QB的成分也降低到Al_0.50GaN，以增强载流子限制并减少电子泄漏

(BGaN/ L2)在EBL和QB (AlGaN)成分变化对N5的影响

表2展示了N5结构的结果，通过在电子阻挡层（EBL）中引入新的成分优化了DUV激光二极管的整体性能。在N5中，硼被掺入第二层EBL（L2），形成了BGaN，掺杂浓度为4×10²⁶ cm^-3，有效修改了能带轮廓并降低了极化引起的势垒。此外，量子势垒（QB）中的铝含量也进行了调整

结论与后续工作

本研究的发现表明，传统的DUV LD中高铝含量的电子阻挡层存在显著的晶格失配、强极化场和持续的镁扩散问题，这些问题共同阻碍了载流子的有效限制。为了解决这些问题，引入了(B)-Ga-N EBL成分。硼的掺入有效提高了导带势垒，同时立即降低了价带势垒，从而提高了器件的性能

CRediT作者贡献声明

哈米德·乌尔·雷赫曼（Hameed Ur Rehman）：撰写 – 审稿与编辑、验证、监督、正式分析。穆罕默德·努曼（Muhammad Nauman）：撰写 – 审稿与编辑、初稿撰写、软件应用。尼玛特·乌拉（Nimat Ullah）：可视化处理、数据管理、数据整理。伊姆达德·乌拉（Imdad Ullah）：正式分析、数据管理、概念构建。纳维德·乌尔·拉赫曼（Naveed Ur Rahman）：正式分析、数据管理、概念构建。哈米德·阿里（Hamid Ali）：正式分析、数据管理、概念构建。文刚比（Wengang Bi）：概念构建、数据管理、验证、可视化处理。刘宇辉（Yuhuai Liu）：

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的报告内容。

致谢

本研究得到了国家自然科学基金（项目编号：62174148）、国家重点研发计划（项目编号：2022YFE0112000、2016YFE0118400）、河南省国际联合研究重点项目（项目编号：231111520300）、宁波市“科技与创新2025”重大项目（项目编号：2019B10129）以及郑州市1125创新计划（项目编号：ZZ2018-45）的支持。