一种应变平衡高势垒的中波红外大功率量子级联激光器的有源层

    公开(公告)号:CN117748298A

    公开(公告)日:2024-03-22

    申请号:CN202311570254.2

    申请日:2023-11-22

    Abstract: 本发明提供了一种应变平衡高势垒的中波红外大功率量子级联激光器的有源层,量子级联激光器包括InP衬底,以及在所述InP衬底上制备的有源层,有源层包括多个级联周期,每个级联周期包括注入区和有源区;所述注入区在应变InAlAs势垒层嵌套插入AlAs高势垒层。本发明通过插入AlAs高势垒层调整注入势垒和出口势垒增强基态能级和有源区上能级E3的耦合强度以及提供足够大的微带能量宽度,从而使得有源区中低于下激射能级E2的更低能级的电子可以被有效传输到注入区的微带。将输出峰值增益提高到97以上,有效增大功率输出,而且优化过的材料组分种类更少,相比于目前报道的最大单管功率器件降低了外延生长的难度。

    一种长波红外大功率量子级联激光器的有源层

    公开(公告)号:CN117748297A

    公开(公告)日:2024-03-22

    申请号:CN202311568948.2

    申请日:2023-11-22

    Abstract: 本发明提供了一种长波红外大功率量子级联激光器的有源层,量子级联激光器包括InP衬底,以及在InP衬底上制备的有源层;有源层包含多个级联周期,单个级联周期包括势垒层、第一深阱层、三个晶格匹配的浅阱层、三个复合阱层和第二深阱层;势垒层包括第一Al0.63In0.37As层和AlAs高势垒层;三个晶格匹配的浅阱层包括第一浅阱层、第二浅阱层和第三浅阱层;三个复合阱层包括第一复合阱层、第二复合阱层和第三复合阱层。本发明引用单周期有源区设计中引入特定复合比的复合阶梯阱来实现不同波长激射的设计思想,结合晶格匹配和应变平衡体系的优点,在势垒嵌套AlAs高势垒,设计出较了高增益的能带结构,在能带方面提升长波红外量子级联激光器输出功率。

    一种中长波双色红外探测器

    公开(公告)号:CN115939236A

    公开(公告)日:2023-04-07

    申请号:CN202211315089.1

    申请日:2022-10-26

    Abstract: 本发明提供了一种中长波双色红外探测器,包括:GaSb衬底;在GaSb衬底生长的GaSb缓冲层;在GaSb缓冲层生长的长波通道下接触层,其中,长波通道下接触层为100nm厚的14InAs/7GaSb超晶格,并进行Si掺杂;在长波通道下接触层生长的长波通道吸收层,其中,长波通道吸收层为1600nm厚的14InAs/7GaSb超晶格;在长波通道的吸收层生长的公共势垒层,其中,公共势垒层为100nm厚的AlGaSb;在公共势垒层生长的中波通道吸收层,其中,中波通道吸收层为2000nm厚的InAs/InAsSb超晶格;在中波通道吸收层生长的中波通道上接触层,其中,中波通道上接触层为100nm厚的InAs/InAsSb超晶格,并进行Si掺杂;在中波通道上接触层生长的顶电极层,在GaSb缓冲层生长的底电极层。本发明降低器件暗电流,提高器件探测性能,具有良好的探测效果。

    一种光电混合深度卷积神经网络方法

    公开(公告)号:CN112700000A

    公开(公告)日:2021-04-23

    申请号:CN202011456483.8

    申请日:2020-12-11

    Abstract: 深度学习是增长最快的机器学习方法之一,光学机器学习在功率效率,可扩展性和计算速度方面具有优势。已经引入了基于衍射深度神经网络(D2NN)的光学机器学习方法来执行功能,因为输入光通过使用计算机的深度学习设计的无源层衍射。我们通过改变训练损失函数并减少误差反向传播步骤中消失梯度的影响来介绍D2NN的改进。除了创建低功耗和高帧率无处不在的机器学习平台之外,这种基于D2NN的混合神经网络将在智能光学成像器和传感器设计中得到应用。本方法的目的是提供光电混合深度神经网络的方法,该方法操作简单,并且能够提高识别图像的准确率。

    一种多层光学卷积神经网络方法

    公开(公告)号:CN112699993A

    公开(公告)日:2021-04-23

    申请号:CN202011459726.3

    申请日:2020-12-11

    Abstract: 深度神经网络利用各种图像特性的空间不变性的卷积神经网络(CNN)在计算机视觉问题中特别流行。为了提高效率,现在采用许多策略来压缩CNN,同时保持性能。CNN的计算效率仍然是一个活跃的研究领域,由于对功率和带宽的严格限制。卷积神经网络(CNN)在各种计算机视觉应用中表现十分出色。我们探索一种互补策略,在模拟或数字电子计算之前结合多层光学计算,提高性能,同时增加最小的电子计算成本和处理时间。进行傅里叶变换可优化且可拓展的光学配置保留了这些优点,作为构建光学CNN的框架。提出一个计算成像系统,模拟前馈CNN,有助于执行输入图像的分类。该方法的目的是提供多层光学卷积神经网络的方法,该方法操作简单,能够提高图片识别的准确率。

    一种毛细管微反应器的回音壁谐振结构的制备方法

    公开(公告)号:CN115753681B

    公开(公告)日:2024-08-20

    申请号:CN202211308300.7

    申请日:2022-10-25

    Abstract: 本发明提供了一种毛细管微反应器的回音壁谐振结构,包括:毛细管微反应器,内部形成微管腔;输入光纤和输出光纤,其中,所述输入光纤包括第一段结构和第二段结构,所述第一段结构的直径小于所述第二段结构的直径,所述第一段结构的端面形成第一微型端面;所述输出光纤包括第三段结构和第四段结构,所述第三段结构的直径小于所述第四段结构的直径,所述第三段结构的端面形成第二微型端面;所述第一微型端面、所述第二微型端面与所述毛细管微反应器外壁接触耦合,激发回音壁谐振。本发明采用微型端面将光波耦入腔体结构,实现光纤中传导的光波直接耦入腔体结构内,在抗体固载检测时回音壁谐振腔结构具有较高的的灵敏度和鲁棒性。

Patent Agency Ranking