-
公开(公告)号：CN110061057B
公开(公告)日：2020-08-18
申请号：CN201910373014.0
申请日：2019-05-06
Applicant: 重庆大学
IPC: H01L29/78
Abstract: 本发明涉及一种具有集成隧穿二极管的超结功率MOSFET，属于半导体功率器件领域。该MOSFET包括：漏端电极、N型衬底、N型掺杂区、绝缘层Ⅰ、P型掺杂区Ⅰ、P型掺杂区Ⅱ、N+掺杂区Ⅰ、P+掺杂区Ⅰ、栅氧化层、多晶硅栅、源端电极、P+掺杂区Ⅱ、N+掺杂区Ⅱ、绝缘层Ⅱ和浮空电极。本发明在不增加器件的比导通电阻以及漏电流的条件下，能够极大地降低器件的反向恢复电荷，并且不会增加工艺难度。
-
公开(公告)号：CN106851076B
公开(公告)日：2019-10-22
申请号：CN201710216185.3
申请日：2017-04-01
Applicant: 重庆大学
Abstract: 本发明公开了的基于地址译码的压缩感知视频图像采集电路，包括传感器模块、模拟选通器和ADC单元；及矩阵参数配置、地址译码器、时序控制器、存储RAM和加法器；传感器模块将采集的数据信号输入到模拟选通器中，地址译码器将片选控制信号输入到模拟选通器，模拟选通器在片选控制信号的作用下将采集的数据信号送入ADC单元，加法器接收从ADC单元输入的数据信号；存储RAM在时序控制器的作用将片选控制信号作为地址信号输入到地址译码器中；本发明提供的电路利用高度稀疏性采样矩阵进行压缩感知采集，突破了传统压缩感知在随机采样矩阵RAM大以及冗余ADC数量多的问题，可大大减少RAM的大小以及ADC的数量；具有高度可配置性。
-
公开(公告)号：CN105488563A
公开(公告)日：2016-04-13
申请号：CN201510944909.7
申请日：2015-12-16
Applicant: 重庆大学
Abstract: 本发明公开了一种面向深度学习的稀疏自适应神经网络，包括至少一层自适应有限玻尔兹曼机，所述至少一层自适应有限玻尔兹曼机包括可视层和隐藏层，所述可视层和隐藏层之间的连接是稀疏的。在本发明所述的神经网络中，可视层与隐藏层的连接是稀疏的；同时用32bit实数表示一个连接被优化成用1bit整数表示一个连接，这样的优化方式既不影响模式识别又可以满足精确性要求。本发明仅需要定点运算和少量乘法运算，就可以在单芯片上实现大规模神经网络。
-
公开(公告)号：CN102810553B
公开(公告)日：2015-03-25
申请号：CN201210298122.4
申请日：2012-08-21
Applicant: 重庆大学
Abstract: 本发明公开了一种极低导通电阻的槽型场氧功率MOS器件，涉及一种半导体功率器件，包括衬底P型硅层、有源顶层硅和槽型场氧，有源硅层包含有纵向沟道、N-漂移区、P型硅区，以及埋于整个衬底表面的N+漏区；本发明在常规的槽型场氧器件基础上，采用埋于整个衬底表面的N+漏区，器件开态时，载流子直接通过漏区N+和源区N+间的N-漂移区运动，较常规槽型场氧结构大大降低了载流子的漂移距离，从而有效降低器件在开态时候的导通电阻。该结构同样适用于基于SOI技术的功率器件。
-
公开(公告)号：CN117038737A
公开(公告)日：2023-11-10
申请号：CN202311230183.1
申请日：2023-09-21
Applicant: 重庆大学
Abstract: 本发明涉及一种集成JFET结构的碳化硅MOSFET器件，属于半导体技术领域。该器件包括衬底N+硅层、有源顶层硅、集成JFET和分裂栅槽形结构；所述衬底N+硅层下方设置有漏电极；所述有源顶层硅设置有N‑漂移区、电流扩展层、左侧P阱、底部P阱、P型基区、P+源区和左侧N+源区；所述分裂栅槽形结构设置有栅氧化层、栅电极和嵌入式源电极；所述左侧N+源区、P+源区、栅氧化层、嵌入式源电极和左侧P阱上方设置有源电极；所述集成JFET设置有P+源区、JFET沟道和底部P阱。本发明降低了器件的反向导通的开启电压，体二极管被抑制并且消除了双极性退化，降低了栅漏电荷，同时降低了器件开关损耗，提升了器件的性能。
-
Patent Agency Ranking
公开(公告)号：CN110828555A
公开(公告)日：2020-02-21
申请号：CN201911127582.9
申请日：2019-11-18
IPC: H01L29/417 , H01L29/06 , H01L29/423 , H01L29/78 , H01L27/06
Abstract: 本发明属于半导体功率器件领域，涉及一种非对称异质结碳化硅槽型场氧功率MOS器件，包括依次线性布置的漏极金属、N型衬底层、N型漂移区、N型载流子扩散区、P型沟道层、源极金属；还包括与源极金属连通的槽型栅电极、槽型源电极以及N型源区；所述槽型源电极包括源极P型多晶硅；所述槽型栅电极和槽型源电极上设有P保护层；所述源极P型多晶硅与N型载流子扩散区采用异质结二极管结构。本发明在槽型栅电极和槽型源电极上分别使用P保护层的同时，在槽型源电极中布置源极P型多晶硅，能有效降低器件的导通压降、增加器件的击穿电压以及降低器件的开关损耗。
-
公开(公告)号：CN110061057A
公开(公告)日：2019-07-26
申请号：CN201910373014.0
申请日：2019-05-06
Applicant: 重庆大学
IPC: H01L29/78
Abstract: 本发明涉及一种具有集成隧穿二极管的超结功率MOSFET，属于半导体功率器件领域。该MOSFET包括：漏端电极、N型衬底、N型掺杂区、绝缘层Ⅰ、P型掺杂区Ⅰ、P型掺杂区Ⅱ、N+掺杂区Ⅰ、P+掺杂区Ⅰ、栅氧化层、多晶硅栅、源端电极、P+掺杂区Ⅱ、N+掺杂区Ⅱ、绝缘层Ⅱ和浮空电极。本发明在不增加器件的比导通电阻以及漏电流的条件下，能够极大地降低器件的反向恢复电荷，并且不会增加工艺难度。
-
公开(公告)号：CN109904230A
公开(公告)日：2019-06-18
申请号：CN201711302604.1
申请日：2017-12-11
Applicant: 重庆大学
IPC: H01L29/78 , H01L21/336 , H01L29/06
Abstract: 本发明涉及一种横向功率MOS高压器件，包括多层衬底P型硅层、N型有源层和P型区，N型有源层设置于多层衬底P型硅层的上方，多层衬底P型硅层包括n层P型硅层，P型硅层的层数n为大于或等于2的整数，第n层P型硅层与第(n-1)层P型硅层之间设有设有不连续的N+区，N+区与P型硅层衬底形成NP结，N型有源层与第n层P型硅层部分通过P型区接触。在常规的基于RESURF器件的基础上，通过在多层衬底P型硅层界面埋设不连续的N+区，使得衬底电势钉扎，在衬底中引入新的电场峰值，降低漏端下方主结电场，达到辅助衬底耗尽的目的；还使得N+区与P型硅层衬底形成的NP结的纵向电场值降低，从而在保证器件不击穿的条件下达到优化器件横向电场的目的。
-
公开(公告)号：CN106851076A
公开(公告)日：2017-06-13
申请号：CN201710216185.3
申请日：2017-04-01
Applicant: 重庆大学
Abstract: 本发明公开了的基于地址译码的压缩感知视频图像采集电路，包括传感器模块、模拟选通器和ADC单元；及矩阵参数配置、地址译码器、时序控制器、存储RAM和加法器；传感器模块将采集的数据信号输入到模拟选通器中，地址译码器将片选控制信号输入到模拟选通器，模拟选通器在片选控制信号的作用下将采集的数据信号送入ADC单元，加法器接收从ADC单元输入的数据信号；存储RAM在时序控制器的作用将片选控制信号作为地址信号输入到地址译码器中；本发明提供的电路利用高度稀疏性采样矩阵进行压缩感知采集，突破了传统压缩感知在随机采样矩阵RAM大以及冗余ADC数量多的问题，可大大减少RAM的大小以及ADC的数量；具有高度可配置性。
-
公开(公告)号：CN106529458A
公开(公告)日：2017-03-22
申请号：CN201610969604.6
申请日：2016-10-31
Applicant: 重庆大学
CPC classification number: G06K9/0063 , G06K9/6277
Abstract: 本发明涉及一种面向高光谱图像的深度神经网络空间谱分类方法，属于深度学习及高光谱遥感图像分类技术领域。在该方法中，使用分组的空间谱特征作为输入，根据输入的分组特性，在深度神经网络的第一层的优化目标中加入正则化项，实现对空间谱特征的提取与波段选择。该方法兼顾了深度置信网络的算法特性，也考虑了空间信息的特点，对每个波段的空间分组单独处理，不同于深度卷积网络的卷积核中参数是相同的；该算法能够自动衰减那些对分类作用较小的波段的权值，做到自适应特征提取与波段选择，能够取得比经典深度置信网络更好的分类准确率，具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.024 seconds)
