4、吸收层材料与厚度优化:Ge与SiGe材料选择、临界厚度与应变管理、吸收系数与量子效率的平衡
好,咱们直接进入正题。吸收层,这是探测器的核心。光进来,能不能被有效吸收,转化成电信号,全看这一层。材料选不对,厚度搞不好,后面再怎么优化也是白搭。
我个人习惯,在开始设计吸收层之前,先想清楚一个问题:你到底要探测哪个波段? 这决定了你是选纯Ge,还是SiGe合金。别小看这个选择,它直接决定了你后续的工艺窗口和器件性能。
4.1 Ge vs. SiGe:材料选择的底层逻辑
先说纯Ge。它的吸收边在1550nm附近,刚好覆盖了光通信的C波段和L波段。这是它的最大优势。但问题也很明显——Ge和Si的晶格失配高达4.2%。
你想想看,在Si衬底上长Ge,就像在水泥地上铺瓷砖,硬铺上去,迟早要翘起来。这个晶格失配会引入大量的位错缺陷,暗电流会大得吓人。
那SiGe呢?通过调整Ge组分,我们可以把吸收边往短波方向调。比如,Ge含量30%的SiGe,吸收边大概在1300nm左右。它的好处是晶格失配小,跟Si衬底更“合拍”,缺陷密度低。
- 选Ge: 目标波段在1310nm~1550nm,追求高响应度,能接受相对复杂的工艺(如引入弛豫缓冲层)。
- 选SiGe: 目标波段在850nm~1310nm,或者对暗电流要求极其苛刻(比如接收机前端),愿意牺牲一部分响应度来换取低噪声。
我在一个400G光模块的项目里,就吃过这个亏。当时为了追求极致响应度,直接上了纯Ge。结果暗电流超标,灵敏度死活上不去。后来老老实实加了一层SiGe渐变缓冲层,才把问题解决。嗯,这里要注意,材料选择从来不是单一维度的最优,而是系统级的权衡。
4.2 临界厚度与应变管理:别让薄膜“崩”了
选好了材料,接下来就是厚度。这里有个概念叫“临界厚度”。说白了,就是薄膜能承受的最大厚度,超过这个值,应变能就会通过产生位错来释放,薄膜就“崩”了。
对于Ge在Si上的生长,临界厚度只有几个纳米。你没听错,就几纳米。这么薄的吸收层,根本吸不够光。怎么办?
业界通用的做法是:引入弛豫缓冲层。比如,先长一层低温Ge缓冲层(~30nm),再高温退火,让位错在界面处“滑移”掉,然后再长高质量的Ge吸收层。这样,吸收层就可以长到几百纳米甚至微米级,而不产生新的位错。
对于SiGe,情况会好一些。因为晶格失配小,临界厚度可以更大。比如,Ge含量20%的SiGe,临界厚度可以到几百纳米。但如果你需要更厚的吸收层(比如超过1μm),同样需要缓冲层或者渐变组分设计。
为什么会这样?因为应变能是累积的。厚度越大,总应变能越大。当它超过形成位错所需的能量时,缺陷就产生了。所以,应变管理的本质,就是控制应变能的释放路径。
4.3 吸收系数与量子效率的平衡:厚度博弈
好,现在材料定了,应变也管住了。接下来就是定厚度。这里有一个经典的矛盾:
- 厚度大: 吸收的光多,量子效率高。但载流子需要跑更远的路才能被电极收集,响应速度变慢。而且,厚的吸收层意味着更大的结电容,RC延迟也会增加。
- 厚度小: 响应速度快,电容小。但光吸收不充分,量子效率低,响应度上不去。
这个平衡怎么找?我建议你从吸收系数入手。Ge在1550nm的吸收系数大约是10^4 cm^-1量级。这意味着,光强在1μm厚的Ge里,会衰减到原来的1/e(约37%)。
所以,一个经验法则是:吸收层厚度取吸收长度的2~3倍。 对于Ge,就是2~3μm。这样能吸收掉85%~95%的入射光,量子效率可以做到80%以上。
但如果你做的是高速探测器(比如25Gbps以上),2~3μm就太厚了。这时候,你需要用波导耦合或者谐振腔增强结构,让光在薄层里多次通过,等效增加吸收长度。
4.4 实战参数参考表
下面这个表,是我在几个项目里总结出来的典型参数,你可以作为初始设计的参考点:
| 应用场景 | 材料 | 吸收层厚度 | Ge组分 | 缓冲层设计 | 典型量子效率 |
|---|---|---|---|---|---|
| 10Gbps PIN | Ge | 1.0~1.5 μm | 100% | 低温Ge + 退火 | 70%~80% |
| 25Gbps PIN | Ge | 0.5~0.8 μm | 100% | SiGe渐变缓冲层 | 50%~65% |
| 50Gbps APD | SiGe | 0.3~0.5 μm | 30%~50% | SiGe渐变缓冲层 | 40%~55% |
| 波导集成探测器 | Ge | 0.2~0.4 μm | 100% | 选择性外延 | 80%~90% (波导耦合) |
注意,这只是起点。实际优化时,你需要用TCAD仿真去扫厚度,结合工艺波动,找到最鲁棒的设计点。
4.5 本章知识体系图
下面这张图,帮你理清吸收层优化的核心逻辑:
这张图的核心就是:材料决定应变,应变限制厚度,厚度决定性能,最终在量子效率和响应速度之间找到平衡点。 没有完美的参数,只有最适合你应用场景的折中方案。
公众号:蓝海资料掘金营,微信deep3321