CN109033587B - 一种led芯片光学特性预测方法及系统 - Google Patents

Abstract

本发明公开了一种LED芯片光学特性预测方法及系统，该方法包括获取LED芯片的材料特性参数；根据所述材料特性参数建立芯片表面温度分布预测模型；获取发光特性参数；根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型；根据所述芯片表面温度分布预测模型和预设材料特性参数预测芯片表面温度分布；根据所述芯片表面亮度分布预测模型、预设发光特性参数和预设材料特性参数预测芯片表面亮度分布。本发明实现了依据芯片的特性参数预测LED芯片的温度分布和亮度分布。

Description

一种LED芯片光学特性预测方法及系统

技术领域

本发明涉及二极管技术领域，特别是涉及一种LED芯片光学特性预测方法及系统。

背景技术

GaN基LED衬底一般采用绝缘蓝宝石，在不剥离衬底情况下，其P型和N型欧姆接触电极只能制作在外延片表面的同一侧，因此在实际器件内部，经过不同路径传输的横向电流将导致电流拥挤，热流聚集在器件内部无法及时传导至外界，致使LED的发光效率降低，峰值波长红移，荧光粉转换效率降低，进而直接影响器件的可靠性。如何解决芯片表面电流均匀扩展一直是国内外研究组织关注的问题。通过比较不同电极结构芯片表面温度与电流扩展的关系，发现经过优化的环形叉指电极结构的GaN基大功率LED表面温度分布较为均匀。通过有限元方法计算LED中电流三维空间分布以及LED电流密度分布和顶层厚度的关系，可定量比较不同电极结构，发现当LED串联电阻为最小值时，叉指电极结构的优化参数。目前各研究小组主要是通过电流传输理论模型以及温度分布，分析LED电流扩展效应。然而如何依据芯片的特性参数预测LED芯片的温度分布和亮度分布成为本领域亟需解决的问题。

发明内容

本发明的目的是提供一种LED芯片光学特性预测方法及系统，以实现依据芯片的特性参数预测LED芯片的温度分布和亮度分布。

为实现上述目的，本发明提供了一种LED芯片光学特性预测方法，所述方法包括：

获取LED芯片的材料特性参数；所述材料特性参数包括P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离、有源层的电阻率、有源层厚度、热导率、内量子效率、自发辐射光子的溢出系数、材料电导率、合金层厚度和PN结初始电压；

根据所述材料特性参数建立芯片表面温度分布预测模型；

获取发光特性参数；所述发光特性参数包括发光效率、参考温度、参考温度下发光效率、发光效率-温度系数、有源区的面积和LED芯片正向电压；

根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型；

根据所述芯片表面温度分布预测模型和预设材料特性参数预测芯片表面温度分布；

根据所述芯片表面亮度分布预测模型、预设发光特性参数和预设材料特性参数预测芯片表面亮度分布。

可选的，所述芯片表面温度分布预测模型为：

其中，J(0)为P电极边缘处的电流密度，ρ_c为接触电阻率、ρ_p为P型材料电阻率、ρ_n为N型材料电阻率、t_p为P型材料厚度、t_n为N型材料厚度、x为距离P电极的距离、ρ_a为有源层的电阻率、d_a为有源层厚度、K为热导率、η_int为内量子效率、f_sp为自发辐射光子的溢出系数、σ为材料电导率、t_c为合金层厚度、V₀为PN结初始电压、T为芯片表面距离P电极的距离为x位置的温度。

可选的，所述芯片表面亮度分布预测模型为：

其中，J(0)为P电极边缘处的电流密度，ρ_c为接触电阻率、ρ_p为P型材料电阻率、ρ_n为N型材料电阻率、t_p为P型材料厚度、t_n为N型材料厚度、x为距离P电极的距离、ρ_a为有源层的电阻率、d_a为有源层厚度、K为热导率、η_int为内量子效率、f_sp为自发辐射光子的溢出系数、σ为材料电导率、t_c为合金层厚度、V₀为PN结初始电压、E为发光效率、T₀为参考温度、E₀为参考温度下发光效率、k_e为发光效率-温度系数、S为有源区的面积和V为LED芯片正向电压、L(x)为芯片表面距离P电极的距离为x位置的亮度。

可选的，所述根据所述材料特性参数建立芯片表面温度分布预测模型，具体包括：

根据所述材料特性参数中的P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离，确定芯片内部点的电流密度；

获取芯片PN结的电学模型和有源层的总热流量；所述有源层的总热流量包括有源层内部非辐射复合以及自发辐射吸收产生的热量、P型材料层产生的热量和P型材料层与电流扩展层之间欧姆接触产生的热量；

根据所述芯片内部点的电流密度、所述芯片PN结的电学模型和所述有源层的总热流量，确定芯片表面温度分布预测模型。

可选的，所述根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型，具体包括：

根据所述发光特性参数和平均结温，确定芯片发光效率与平均结温的关系式；

获取芯片发光效率与平均亮度的关系式；

根据所述芯片发光效率与平均结温的关系式、所述芯片发光效率与平均亮度的关系式和所述芯片表面温度分布预测模型，确定芯片表面点的亮度与芯片内部点的电流密度的关系；

根据所述芯片表面点的亮度与芯片内部点的电流密度的关系，确定芯片表面亮度分布预测模型。

本发明还提高了一种LED芯片光学特性预测系统，所述系统包括：

材料特性参数获取单元，用于获取LED芯片的材料特性参数；所述材料特性参数包括P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离、有源层的电阻率、有源层厚度、热导率、内量子效率、自发辐射光子的溢出系数、材料电导率、合金层厚度和PN结初始电压；

温度分布预测模型建立单元，用于根据所述材料特性参数建立芯片表面温度分布预测模型；

发光特性参数获取单元，用于获取发光特性参数；所述发光特性参数包括发光效率、参考温度、参考温度下发光效率、发光效率-温度系数、有源区的面积和LED芯片正向电压；

亮度分布预测模型建立单元，用于根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型；

温度分布预测单元，用于根据所述芯片表面温度分布预测模型和预设材料特性参数预测芯片表面温度分布；

亮度分布预测单元，用于根据所述芯片表面亮度分布预测模型、预设发光特性参数和预设材料特性参数预测芯片表面亮度分布。

可选的，所述芯片表面温度分布预测模型为：

其中，J(0)为P电极边缘处的电流密度，ρ_c为接触电阻率、ρ_p为P型材料电阻率、ρ_n为N型材料电阻率、t_p为P型材料厚度、t_n为N型材料厚度、x为距离P电极的距离、ρ_a为有源层的电阻率、d_a为有源层厚度、K为热导率、η_int为内量子效率、f_sp为自发辐射光子的溢出系数、σ为材料电导率、t_c为合金层厚度、V₀为PN结初始电压、T为芯片表面距离P电极的距离为x位置的温度。

可选的，所述芯片表面亮度分布预测模型为：

其中，J(0)为P电极边缘处的电流密度，ρ_c为接触电阻率、ρ_p为P型材料电阻率、ρ_n为N型材料电阻率、t_p为P型材料厚度、t_n为N型材料厚度、x为距离P电极的距离、ρ_a为有源层的电阻率、d_a为有源层厚度、K为热导率、η_int为内量子效率、f_sp为自发辐射光子的溢出系数、σ为材料电导率、t_c为合金层厚度、V₀为PN结初始电压、E为发光效率、T₀为参考温度、E₀为参考温度下发光效率、k_e为发光效率-温度系数、S为有源区的面积和V为LED芯片正向电压、L(x)为芯片表面距离P电极的距离为x位置的亮度。

可选的，所述温度分布预测模型建立单元具体包括：

芯片内部点的电流密度确定子单元，用于根据所述材料特性参数中的P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离，确定芯片内部点的电流密度；

总热流量获取子单元，用于获取芯片PN结的电学模型和有源层的总热流量；所述有源层的总热流量包括有源层内部非辐射复合以及自发辐射吸收产生的热量、P型材料层产生的热量和P型材料层与电流扩展层之间欧姆接触产生的热量；

温度分布预测模型确定子单元，用于根据所述芯片内部点的电流密度、所述芯片PN结的电学模型和所述有源层的总热流量，确定芯片表面温度分布预测模型。

可选的，所述亮度分布预测模型建立单元具体包括：

芯片发光效率与平均结温的关系式确定子单元，用于根据所述发光特性参数和平均结温，确定芯片发光效率与平均结温的关系式；

芯片发光效率与平均亮度的关系式获取子单元，用于获取芯片发光效率与平均亮度的关系式；

芯片表面点的亮度与芯片内部点的电流密度的关系确定子单元，用于根据所述芯片发光效率与平均结温的关系式、所述芯片发光效率与平均亮度的关系式和所述芯片表面温度分布预测模型，确定芯片表面点的亮度与芯片内部点的电流密度的关系；

亮度分布预测模型确定子单元，用于根据所述芯片表面点的亮度与芯片内部点的电流密度的关系，确定芯片表面亮度分布预测模型。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供LED芯片光学特性预测方法及系统通过芯片的材料特性参数和发光特性参数，可直接预测LED芯片表面温度及亮度，并且通过本发明可确定在芯片任意位置的温度以及亮度值，同时也可提供在不同电流以及芯片特性参数情况下LED芯片表面温度分布及亮度分布变化范围。由此依据，本领域可以通过控制不同芯片材料特性参数和发光特性参数来控制工作状态下LED芯片的温度分布及亮度分布，也可以根据LED芯片的温度分布及亮度分布的要求反向确定芯片材料特性参数和发光特性参数，为照明工程师在LED芯片设计及改善方面提供了有利理论依据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的LED芯片光学特性预测方法的流程图；

图2为本发明实施例提供的LED芯片光学特性预测系统的系统框图；

图3为加载电流为100mA、250mA条件下芯片表面温度分布图；

图4为芯片的N型厚度t_n为2um增大到7um时芯片表面的温度变化趋势图；

图5为芯片的内量子效率η_int从0.9降低到0.4um，则芯片表面的温度变化趋势图；

图6为加载电流为100mA、250mA条件下芯片表面亮度分布图；

图7为芯片的N型厚度t_n为2um增大到7um时芯片表面的亮度变化趋势图；

图8为芯片的内量子效率η_int从0.9降低到0.4um，则芯片表面的温度变化趋势图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

已有发明专利(申请号为CN200310112158.X)公开一种测试功率型LED热阻的方法及其专用芯片，其主要特点是用专用芯片来模拟所设计的功率型LED芯片，该专用芯片与所设计的功率型LED芯片具有相同的外延层和电极层结构，在用该专用芯片制成待测试的功率型LED时，也采用与所设计的功率型LED相同或相似的封装工艺，可准确模拟出所设计的功率型LED的热工特性，通过测量、计算得到所设计的功率型LED的热阻，但该发明所提取的LED芯片温度为平均温度并不能准确获取功率型LED芯片的温度分布。

已有发明专利(申请号为CN201110066983.5)公开了一种利用pn结测量LED热阻的方法及其装置。利用pn结测量LED热阻的方法，所述LED为大功率LED，在大功率LED中，包括一个用于测量大功率LED的芯的温度的肖特基二极管，肖特基二极管与大功率LED同在一个器件中；大功率LED组装成灯具时，利用热电偶测量散热板的温度，利用肖特基二极管测量大功率LED的芯的温度，然后通过分析计算获得灯具的温度分布及LED热阻。该发明可用于精确测量LED热阻。可见该发明需要通过将肖特基二极管集成在LED器件内部，通过肖特基二极管监控当前LED的温度数据，并不能通过本身特性参数实现LED的温度测量。

已有发明专利(申请号为CN201310219603.6)公开了一种基于有限元仿真分析的LED灯具寿命快速预测方法。该方法的基本思想是结合有限元仿真分析及灯具表面温度测量，预测LED灯具结温，从而得到LED灯具寿命范围。首先，确定灯具尺寸、材料等参数，并在LED灯具上选择一个参考点。然后，有限元建模仿真分析灯具结温及温度分布，得到灯具结温与参考点温度的稳定关系。最后，在灯具工作稳定时测量参考点温度基础上，根据确定的LED结温与寿命的关系，推算出LED灯具的寿命范围。可见该方法通过灯具温度分布提取出LED灯具寿命范围，但其并不能通过芯片温度分布提取芯片表面亮度分布趋势。

综上，本发明致力于提供一种LED芯片光学特性预测方法及系统，以实现依据芯片的特性参数准确预测LED芯片的温度分布和亮度分布。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本实施例提供的LED芯片光学特性预测方法包括：

步骤101：获取LED芯片的材料特性参数；所述材料特性参数包括P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离、有源层的电阻率、有源层厚度、热导率、内量子效率、自发辐射光子的溢出系数、材料电导率、合金层厚度和PN结初始电压；

步骤102：根据所述材料特性参数建立芯片表面温度分布预测模型；

具体的，该步骤102具体包括一下步骤：

根据所述材料特性参数中的P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离，确定芯片内部点的电流密度；

获取芯片PN结的电学模型和有源层的总热流量；所述有源层的总热流量包括有源层内部非辐射复合以及自发辐射吸收产生的热量、P型材料层产生的热量和P型材料层与电流扩展层之间欧姆接触产生的热量；

根据所述芯片内部点的电流密度、所述芯片PN结的电学模型和所述有源层的总热流量，确定芯片表面温度分布预测模型。

所述芯片表面温度分布预测模型为：

其中，J(0)为P电极边缘处的电流密度，ρ_c为接触电阻率、ρ_p为P型材料电阻率、ρ_n为N型材料电阻率、t_p为P型材料厚度、t_n为N型材料厚度、x为距离P电极的距离、ρ_a为有源层的电阻率、d_a为有源层厚度、K为热导率、η_int为内量子效率、f_sp为自发辐射光子的溢出系数、σ为材料电导率、t_c为合金层厚度、V₀为PN结初始电压、T为芯片表面距离P电极的距离为x位置的温度。

步骤103：获取发光特性参数；所述发光特性参数包括发光效率、参考温度、参考温度下发光效率、发光效率-温度系数、有源区的面积和LED芯片正向电压；

步骤104：根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型；

该步骤104具体包括一下步骤：

根据所述发光特性参数和平均结温，确定芯片发光效率与平均结温的关系式；

获取芯片发光效率与平均亮度的关系式；

根据所述芯片发光效率与平均结温的关系式、所述芯片发光效率与平均亮度的关系式和所述芯片表面温度分布预测模型，确定芯片表面点的亮度与芯片内部点的电流密度的关系；

根据所述芯片表面点的亮度与芯片内部点的电流密度的关系，确定芯片表面亮度分布预测模型。

所述芯片表面亮度分布预测模型为：

其中，J(0)为P电极边缘处的电流密度，ρ_c为接触电阻率、ρ_p为P型材料电阻率、ρ_n为N型材料电阻率、t_p为P型材料厚度、t_n为N型材料厚度、x为距离P电极的距离、ρ_a为有源层的电阻率、d_a为有源层厚度、K为热导率、η_int为内量子效率、f_sp为自发辐射光子的溢出系数、σ为材料电导率、t_c为合金层厚度、V₀为PN结初始电压、E为发光效率、T₀为参考温度、E₀为参考温度下发光效率、k_e为发光效率-温度系数、S为有源区的面积和V为LED芯片正向电压、L(x)为芯片表面距离P电极的距离为x位置的亮度。

步骤105：根据所述芯片表面温度分布预测模型和预设材料特性参数预测芯片表面温度分布；

步骤106：根据所述芯片表面亮度分布预测模型、预设发光特性参数和预设材料特性参数预测芯片表面亮度分布。

如图2所示，本实施例提供了一种与上述实施例提供的LED芯片光学特性预测方法相应的LED芯片光学特性预测系统，该系统包括：

材料特性参数获取单元201，用于获取LED芯片的材料特性参数；所述材料特性参数包括P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离、有源层的电阻率、有源层厚度、热导率、内量子效率、自发辐射光子的溢出系数、材料电导率、合金层厚度和PN结初始电压；

温度分布预测模型建立单元202，用于根据所述材料特性参数建立芯片表面温度分布预测模型。

发光特性参数获取单元203，用于获取发光特性参数；所述发光特性参数包括发光效率、参考温度、参考温度下发光效率、发光效率-温度系数、有源区的面积和LED芯片正向电压。

亮度分布预测模型建立单元204，用于根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型。

温度分布预测单元205，用于根据所述芯片表面温度分布预测模型和预设材料特性参数预测芯片表面温度分布。

亮度分布预测单元206，用于根据所述芯片表面亮度分布预测模型、预设发光特性参数和预设材料特性参数预测芯片表面亮度分布。

所述温度分布预测模型建立单元202具体包括：

芯片内部点的电流密度确定子单元，用于根据所述材料特性参数中的P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离，确定芯片内部点的电流密度；

总热流量获取子单元，用于获取芯片PN结的电学模型和有源层的总热流量；所述有源层的总热流量包括有源层内部非辐射复合以及自发辐射吸收产生的热量、P型材料层产生的热量和P型材料层与电流扩展层之间欧姆接触产生的热量；

温度分布预测模型确定子单元，用于根据所述芯片内部点的电流密度、所述芯片PN结的电学模型和所述有源层的总热流量，确定芯片表面温度分布预测模型。

所述亮度分布预测模型建立单元204具体包括：

芯片发光效率与平均结温的关系式确定子单元，用于根据所述发光特性参数和平均结温，确定芯片发光效率与平均结温的关系式；

芯片发光效率与平均亮度的关系式获取子单元，用于获取芯片发光效率与平均亮度的关系式；

芯片表面点的亮度与芯片内部点的电流密度的关系确定子单元，用于根据所述芯片发光效率与平均结温的关系式、所述芯片发光效率与平均亮度的关系式和所述芯片表面温度分布预测模型，确定芯片表面点的亮度与芯片内部点的电流密度的关系；

亮度分布预测模型确定子单元，用于根据所述芯片表面点的亮度与芯片内部点的电流密度的关系，确定芯片表面亮度分布预测模型。

下面详细说明芯片表面温度分布预测模型与芯片表面亮度分布预测模型建立的过程。

以常规LED芯片为例，在LED内部某点得电流密度可以定义为

其中J(0)为P电极边缘处的电流密度，L_s为电流横向扩展的最大距离，即电流密度为J(0)的1/e是x值，x为距离P电极的距离。

将(2)带入(1)中，电流密度可表示为

其中ρ_c为接触电阻率，ρ_p为P型材料电阻率，ρ_n为N型材料电阻率，t_p为P型材料厚度，t_n为N型材料厚度。由公式(3)可明显看出，LED芯片的电流密度随着离开P型电极边缘的距离增加而呈指数衰减。

针对于LED电学模型可简化为由理想二极管与串联电阻R_s组成。串联电阻R_s包括外延层体电阻、衬底电阻、接触电阻。在正常驱动范围内，器件的正向电流随电压的增加变化幅度明显，需要考虑串联电阻效应，因此PN结的电学模型可简化为

V_i＝ρ_ad_aJ(x)+V₀   (4)

式中ρ_a为有源层的电阻率；V_i为PN结电压；d_a为有源层厚度；V₀为常数。

LED器件内部三维热流传导方程可由下式表示

式中C为比热容；K为热导率；q为有源层产生的热流。当器件内部热流与外界达到热平衡状态情况下，式(5)可简化为

一般情况下，热流q主要由以下三部分构成：

有源层内部非辐射复合以及自发辐射吸收产生的热量q_a

式中η_int为内量子效率；f_sp为自发辐射光子的溢出系数，该系数与芯片的几何形状参数相关，将式(4)代入(7)，有源层区域热流可简化为

P型材料层产生的焦耳热q_J

其中σ为材料电导率

P型材料层与电流扩展层之间欧姆接触产生的焦耳热q_c

式中t_c为合金层厚度。总热量q由下式表示

将公式(6)带入公式(11)，可获得芯片表面温度分布

将公示(3)带入(12)，芯片表面温度分布与芯片材料特性之间的关系如下

化简后为

上述模型将器件内部热流、温度以及电流密度联系为一体，三者相互交叉关系由诸多复杂因素所制约，如材料电导率、有源层的电阻率、厚度、内量子效率等。通过公式(13)就可准确预测出在芯片不同位置的温度分布。

LED发光效率与平均结温T_j的关系如下所示：

E＝E₀+k_e(T_j-T₀)   (14)

其中E为发光效率，T₀为参考温度，E₀为参考温度下发光效率，k_e为发光效率-温度系数。

LED的平均亮度L可表示为

L＝EP_d＝[E₀+k_e(T_j-T₀)]JSV   (15)

其中J是电流密度，S为有源区的面积，V为LED的正向电压。即LED的平均结温和平均亮度之间的关系如下

将(15)带入(11)，即可获得芯片表面不同位置的亮度L(x)与电流密度J(x)之间的关系

将公式(3)带入(17)，芯片表面亮度分布与芯片材料特性之间的关系如下

化简后为

通过以上详细过程得到了芯片表面温度分布预测模型(式(13))和芯片表面亮度分布预测模型(式(18))。

下面举例说明如何根据芯片表面温度分布预测模型(式(13))和芯片表面亮度分布预测模型(式(18))实现芯片表面温度分布和亮度分布的预测和控制。

例1：控制待测器件加载电流为100mA、250mA条件下，芯片表面温度分布如图3所示。在N型电极焊盘附近的温度较高，而P型电极焊盘的温度较低，说明在大电流注入条件下芯片的电流扩展并不均匀。待测芯片参数ρ_c为4.2×10^-3Ω.cm²，ρ_p为7.6Ω.cm，ρ_n为5×10^-3Ω.cm，t_p为0.2um，t_n为2um，ρ_a为1.5×10^-3Ω.cm，d_a为50nm，V₀为2.4V,η_int为0.9，f_sp为0.7，σ为12Ω^-1.cm^-1，通过上述芯片表面温度分布预测模型，即公式(13)，计算获得注入电流分别为100mA、250mA情况下，距离P型电极区域不同位置的温度分布，如图1所示。电流由P电极流向N电极，在P电极区域边缘温度较低。在一般台阶电极结构的器件在工作过程中，P电极焊盘附近电流密度较高，随着电流增大，该区域温度上升幅度高于其他区域，使该部分有源区非辐射复合增加，当温度升高到一定数值时，容易导致器件失效。为避免电流拥挤问题，器件接通电流后，电流从P电极上不同点按各自最小电流路径流向N电极或焊盘区域，这样最大程度实现电流扩展，芯片表面亮度分布更加均匀，避免了因电流拥挤问题而产生过多热量，影响器件正常工作。

通过控制芯片的材料特性参数和发光特性参数，可改变芯片表面的温度分布。如例2和例3

例2：待测芯片预设材料特性参数：ρ_c为4.2×10^-3Ω.cm²，ρ_p为7.6Ω.cm，ρ_n为5×10^-3Ω.cm，t_p为0.2um，ρ_a为1.5×10^-3Ω.cm，d_a为50nm，V₀为2.4V；预设材料特性参数：η_int为0.9，f_sp为0.7，σ为12Ω^-1.cm^-1，将芯片的N型厚度t_n为2um增大到7um，则芯片表面的温度变化趋势如图4所示，可见，当N型厚度增大，芯片的温度明显提高。

例3：待测芯片预设材料特性参数：ρ_c为4.2×10^-3Ω.cm²，ρ_p为7.6Ω.cm，ρ_n为5×10^-3Ω.cm，t_p为0.2um，t_n为2umρ_a为1.5×10^-3Ω.cm，d_a为50nm，V₀为2.4V；预设材料特性参数：f_sp为0.7，σ为12Ω^-1.cm^-1，将芯片的内量子效率η_int从0.9降低到0.4um，则芯片表面的温度变化趋势如图5所示，可见，当内量子效率降低，芯片的温度明显升高。

通过控制芯片的结构和特性参数，可改变芯片表面的温度分布。

例4：为了说明温度与亮度分布之间存在紧密关系，在例1的加载电流为100mA、250mA条件下，通过公式(18)计算芯片P电极焊盘边缘选取线段，该线段上亮度变化趋势如图6所示，亮度随着远离P电极距离增加而减弱，与温度分布变化趋势相反。由此可说明依据芯片亮度变化趋势可作为判别电流扩展性能的有效手段。随着加载电流增大，电流扩展性能的优劣将得到体现，因此通过改变加载电流大小，定性讨论不同电流对亮度均匀性影响。

通过控制芯片的材料特性参数和发光特性参数，可改变芯片表面的亮度分布。如例5和例6.

例5：待测芯片预设材料特性参数：ρ_c为4.2×10^-3Ω.cm²，ρ_p为7.6Ω.cm，ρ_n为5×10^-3Ω.cm，t_p为0.2um，ρ_a为1.5×10^-3Ω.cm，d_a为50nm，V₀为2.4V；预设材料特性参数：η_int为0.9，f_sp为0.7，σ为12Ω^-1.cm^-1，将芯片的N型厚度t_n为2um增大到7um，则芯片表面的亮度变化趋势如图7所示，可见，当N型厚度增大，芯片的亮度明显降低。

例5：待测芯片预设材料特性参数：ρ_c为4.2×10^-3Ω.cm²，ρ_p为7.6Ω.cm，ρ_n为5×10^-3Ω.cm，t_p为0.2um，t_n为2umρ_a为1.5×10^-3Ω.cm，d_a为50nm，V₀为2.4V；预设材料特性参数：f_sp为0.7，σ为12Ω^-1.cm^-1，将芯片的内量子效率η_int从0.9降低到0.4um，则芯片表面的温度变化趋势如图8所示，可见，当内量子效率降低，芯片的亮度明显降低。

综上，由于电流密度拥挤导致芯片局部区域热量堆积，内量子效率降低，非辐射复合作用增强，限制溢出光子数目，因此芯片产生的热量是影响亮度分布的重要因素之一。本发明通过芯片表面温度分布预测模型和芯片表面亮度分布预测模型，可计算出在不同芯片材料特性参数和发光特性参数情况下，芯片表面亮度分布的变化趋势，为优化芯片结构，改善电流扩展性能，提供一种定性判定依据。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种LED芯片光学特性预测方法，其特征在于，所述方法包括：

获取LED芯片的材料特性参数；所述材料特性参数包括P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离、有源层的电阻率、有源层厚度、热导率、内量子效率、自发辐射光子的溢出系数、材料电导率、合金层厚度和PN结初始电压；

根据所述材料特性参数建立芯片表面温度分布预测模型；

所述芯片表面温度分布预测模型为：

其中，J(0)为P电极边缘处的电流密度，ρ_c为接触电阻率、ρ_p为P型材料电阻率、ρ_n为N型材料电阻率、t_p为P型材料厚度、t_n为N型材料厚度、x为距离P电极的距离、ρ_a为有源层的电阻率、d_a为有源层厚度、K为热导率、η_int为内量子效率、f_sp为自发辐射光子的溢出系数、σ为材料电导率、t_c为合金层厚度、V₀为PN结初始电压、T为芯片表面距离P电极的距离为x位置的温度；

获取发光特性参数；所述发光特性参数包括发光效率、参考温度、参考温度下发光效率、发光效率-温度系数、有源区的面积和LED芯片正向电压；

根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型；

所述芯片表面亮度分布预测模型为：

其中，E为发光效率、T₀为参考温度、E₀为参考温度下发光效率、k_e为发光效率-温度系数、S为有源区的面积和V为LED芯片正向电压、L(x)为芯片表面距离P电极的距离为x位置的亮度；

根据所述芯片表面温度分布预测模型和预设材料特性参数预测芯片表面温度分布；

根据所述芯片表面亮度分布预测模型、预设发光特性参数和预设材料特性参数预测芯片表面亮度分布。

2.根据权利要求1所述的LED芯片光学特性预测方法，其特征在于，所述根据所述材料特性参数建立芯片表面温度分布预测模型，具体包括：

根据所述材料特性参数中的P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离，确定芯片内部点的电流密度；

获取芯片PN结的电学模型和有源层的总热流量；所述有源层的总热流量包括有源层内部非辐射复合以及自发辐射吸收产生的热量、P型材料层产生的热量和P型材料层与电流扩展层之间欧姆接触产生的热量；

根据所述芯片内部点的电流密度、所述芯片PN结的电学模型和所述有源层的总热流量，确定芯片表面温度分布预测模型。

3.根据权利要求1所述的LED芯片光学特性预测方法，其特征在于，所述根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型，具体包括：

根据所述发光特性参数和平均结温，确定芯片发光效率与平均结温的关系式；

获取芯片发光效率与平均亮度的关系式；

根据所述芯片发光效率与平均结温的关系式、所述芯片发光效率与平均亮度的关系式和所述芯片表面温度分布预测模型，确定芯片表面点的亮度与芯片内部点的电流密度的关系；

根据所述芯片表面点的亮度与芯片内部点的电流密度的关系，确定芯片表面亮度分布预测模型。

4.一种LED芯片光学特性预测系统，其特征在于，所述系统包括：

材料特性参数获取单元，用于获取LED芯片的材料特性参数；所述材料特性参数包括P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离、有源层的电阻率、有源层厚度、热导率、内量子效率、自发辐射光子的溢出系数、材料电导率、合金层厚度和PN结初始电压；

温度分布预测模型建立单元，用于根据所述材料特性参数建立芯片表面温度分布预测模型；

所述芯片表面温度分布预测模型为：

其中，J(0)为P电极边缘处的电流密度，ρ_c为接触电阻率、ρ_p为P型材料电阻率、ρ_n为N型材料电阻率、t_p为P型材料厚度、t_n为N型材料厚度、x为距离P电极的距离、ρ_a为有源层的电阻率、d_a为有源层厚度、K为热导率、η_int为内量子效率、f_sp为自发辐射光子的溢出系数、σ为材料电导率、t_c为合金层厚度、V₀为PN结初始电压、T为芯片表面距离P电极的距离为x位置的温度；

发光特性参数获取单元，用于获取发光特性参数；所述发光特性参数包括发光效率、参考温度、参考温度下发光效率、发光效率-温度系数、有源区的面积和LED芯片正向电压；

亮度分布预测模型建立单元，用于根据所述芯片表面温度分布预测模型和所述发光特性参数建立芯片表面亮度分布预测模型；

所述芯片表面亮度分布预测模型为：

其中，E为发光效率、T₀为参考温度、E₀为参考温度下发光效率、k_e为发光效率-温度系数、S为有源区的面积和V为LED芯片正向电压、L(x)为芯片表面距离P电极的距离为x位置的亮度；

温度分布预测单元，用于根据所述芯片表面温度分布预测模型和预设材料特性参数预测芯片表面温度分布；

亮度分布预测单元，用于根据所述芯片表面亮度分布预测模型、预设发光特性参数和预设材料特性参数预测芯片表面亮度分布。

5.根据权利要求4所述的LED芯片光学特性预测系统，其特征在于，所述温度分布预测模型建立单元具体包括：

芯片内部点的电流密度确定子单元，用于根据所述材料特性参数中的P电极边缘处的电流密度、接触电阻率、P型材料电阻率、N型材料电阻率、P型材料厚度、N型材料厚度、距离P电极的距离，确定芯片内部点的电流密度；

总热流量获取子单元，用于获取芯片PN结的电学模型和有源层的总热流量；所述有源层的总热流量包括有源层内部非辐射复合以及自发辐射吸收产生的热量、P型材料层产生的热量和P型材料层与电流扩展层之间欧姆接触产生的热量；

温度分布预测模型确定子单元，用于根据所述芯片内部点的电流密度、所述芯片PN结的电学模型和所述有源层的总热流量，确定芯片表面温度分布预测模型。

6.根据权利要求4所述的LED芯片光学特性预测系统，其特征在于，所述亮度分布预测模型建立单元具体包括：

芯片发光效率与平均结温的关系式确定子单元，用于根据所述发光特性参数和平均结温，确定芯片发光效率与平均结温的关系式；

芯片发光效率与平均亮度的关系式获取子单元，用于获取芯片发光效率与平均亮度的关系式；

芯片表面点的亮度与芯片内部点的电流密度的关系确定子单元，用于根据所述芯片发光效率与平均结温的关系式、所述芯片发光效率与平均亮度的关系式和所述芯片表面温度分布预测模型，确定芯片表面点的亮度与芯片内部点的电流密度的关系；

亮度分布预测模型确定子单元，用于根据所述芯片表面点的亮度与芯片内部点的电流密度的关系，确定芯片表面亮度分布预测模型。

Images