Appl. Phys. Rev.精选综述：二维电子器件的高k介电薄膜——氟化钙

Posted 2023-04-15

参考技术A

利用二维材料的独特结构，可以赋予晶体管等电子器件高面积效率和富有创造性的奇特功能，保证基于其的电子器件尺寸持续收缩。然而，基于二维材料的微纳电子器件的性能一直被二维材料与三维介电材料之间的界面所限制。由此，为了提高二维微纳电子器件的性能，寻找研究与二维材料兼容的介电薄膜十分重要。

为了突破摩尔定律的瓶颈，研究者们将二维材料作为沟道层引入到场效应晶体管中。二维材料半导体材料如硫化钼具有原子级别的厚度、表面呈惰性无悬挂键且高载流子浓度和迁移率等特性。由此理论上，该类材料可以保证在不降低器件性能的条件下，缩小场效应晶体管的尺寸。然而，在微纳电子器件中引入二维材料是一项具有挑战性的任务，因为不仅要证明引入二维材料后的器件表现出更高的性能优势，而且还需要克服制备二维材料的挑战和将二维材料集成到硅基底器件种的负面效应，比如闪烁噪声、滞后、由偏置-温度不稳定性引起的长期漂移、低迁移率和亚阈值波动等。

近日， Mario Lanza教授团队 在 Applied Physics Reviews 上发表名为“ Calcium fluoride as high-k dielectric for 2D electronics ”的综述，并被选为编辑推荐文章。 苏州大学硕士生文超为论文第一作者，阿卜杜拉国王 科技 大学Mario Lanza教授为通讯作者。 该文章从材料合成方法、电学性质、现阶段应用三个方面，系统地研究了氟化钙薄膜作为二维微纳电子器件中的介电材料的可行性，并对未来研究氟化钙薄膜面对的挑战提出了可能的解决方案。

在文中，作者首先回顾了氟化钙介电薄膜的材料合成现状，对比了多种方法（原子层沉积、化学气相沉积、热蒸发和分子束外延）合成的氟化钙薄膜的质量，总结得出分子束外延法是现阶段生长氟化钙薄膜的最优方法。使用该方法在硅（111）基底上生长的氟化钙薄膜结晶度高、无缺陷簇、表面较光滑且与基底之间缺陷密度低。同时，氟化钙薄膜(111)晶面无悬挂键且呈化学惰性；通过反射高能电子衍射可原位测得分子束外延法生长的氟化钙(111)表面可与二维材料之间良好的界面。然而，分子束外延系统昂贵、操作相对复杂，而且生长氟化钙薄膜的速率低（1.3 nm/min）。工业界普遍使用的合成方法（化学气相沉积、原子层沉积、热蒸发）生长的氟化钙薄膜质量在结晶度和悬挂键密度方面劣于分子束外延法，但这些方法较低的成本可能使得工业界进一步合成和优化氟化钙介电薄膜。此外，不同的电子器件需要不同的缺陷浓度，使用这些方法合成的氟化钙薄膜可能可用于其他类型的微纳电子器件。

图1. （a）在高温下分子束外延法生长的氟化钙薄膜形貌图；（b）在低温（250 ）下分子束外延法生长的氟化钙薄膜形貌图；（c）在300K下分子束外延法在铜基上生长的氟化钙薄膜；（d）化学气相沉积法生长的氟化钙薄膜；（e）高温下热蒸发法生长的氟化钙薄膜。

其次，作者从理论计算和实验测量两个方面讨论了氟化钙薄膜的电学性质，包括能带隙、介电常数、介电强度等。首先作者总结了文献中各参数的数值，讨论了获得这些参数的测量方法的可靠性，并将氟化钙的电学参数与其他用作微纳电子器件的介电质的相关参数进行了比较。通过比较得出，氟化钙是一种高带隙、高介电常数、高介电强度和能有效阻止漏电流的理想介电材料。

图2. （a）使用导电原子力显微镜测量氟化钙薄膜的纳米级电学性质的示意图。（b-d）四种介电薄膜不同位置测得的伏安特性曲线。

然后，作者讨论了氟化钙薄膜在晶体场效应管、有机薄膜晶体管、光感应器、二极管等微纳电子器件中的应用。由于氟化钙薄膜优异的电学性能和合成方法的可扩展性，其在不同的固态电子器件中显示出优异的集成潜力。同时，在硅（111）基底上分子束外延法生长的氟化钙薄膜（111）晶面与二维材料表面之间形成的高质量类范德华界面可以降低电子散射、克服负面效应并减缓器件退化过程，从而提高二维微纳电子器件的性能。

图3. （a）二硫化钼/氟化钙（111）/n型硅场效应管示意图。(b-c) a图种场效应管的伏安特性曲线。(d)铝/氟化钙/金刚石场效应管。（e-f）d图种场效应管的伏安特性曲线。

最后，作者总结了氟化钙薄膜二维微纳电子器件集成进程中的一些挑战，并提出了潜在解决方案：

论文链接：

https://aip.scitation.org/doi/10.1063/5.0036987

电子科大最新《基于深度神经网络的关系提取》综述论文，20页pdf

知识是理解世界的一种正式方式，为下一代人工智能(AI)提供人类水平的认知和智能。知识的表现形式之一是实体之间的结构关系。关系抽取(RE)是信息抽取的一个子任务，是自动获取这些重要知识的有效方法，在自然语言处理(NLP)中起着至关重要的作用。其目的是从自然语言文本中识别实体之间的语义关系。到目前为止，已有一些关于RE的研究，其中基于深度神经网络(DNNs)的技术已成为该研究的主流技术。其中，基于DNNs的监督式和远程监督是目前最流行、最可靠的两种关系提取方法。本文首先介绍了一些一般概念，然后从两个方面对关系提取中的DNNs进行了全面的概述:一是对标准关系提取系统进行改进的监督式，二是采用DNNs设计句子编码器和去噪方法的远程监督式。在此基础上，我们进一步介绍了一些新的研究方法，描述了一些最新的研究趋势，并讨论了未来可能的研究方向。

https://www.zhuanzhi.ai/paper/bce5fadda556d0501fd5b47127fc6c91

专知便捷查看

• 后台回复“RE20” 可以获取《电子科大最新《基于深度神经网络的关系提取》综述论文，20页pdf》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源