简介：文档围绕高光效GaN基Micro-LED仿真模型展开，面向从事Micro-LED显示器件设计、光学仿真及半导体光电器件研究的工程师与科研人员，聚焦芯片微缩带来的侧壁效应导致正向光提取效率（LEE）下降这一关键问题。内容基于有限差分时域（FDTD）方法，系统讲解垂直侧壁初始模型的构建、侧壁倾角与底部反射材料对LEE的影响分析，以及多量子阱有源层位置优化，并重点介绍顶部透射光栅的周期、高度和占空比参数调节方法，最终使整体LEE提升2.42倍。资源为单个docx文档（2.31MB），包含完整的摘要、引言、仿真方法、结果讨论与结论，适合用于课题参考、仿真建模思路梳理与论文写作借鉴。已有303人学习下载，可帮助读者快速掌握高光效Micro-LED的仿真优化流程和关键参数设计策略。
1. 项目背景与核心需求拆解
Micro-LED这几年在显示领域的热度不用我多说，无论是苹果、三星还是国内面板厂，都把Micro-LED当成下一代显示技术的重点储备方向。但真正做器件级研究的人都知道，Micro-LED的难点不在“做出来”，而在“做高效”——尤其是当像素尺寸缩到50微米以下时，效率骤降的问题会让所有工艺上的努力都打折扣。我手里的这个课题“高光效GaN基Micro-LED仿真模型研究”，核心就是干这件事：把GaN基Micro-LED的物理机制和损耗路径用仿真模型完整还原出来，再针对“高光效”这个目标做结构优化。
仿真模型的价值在于，它能帮我们在流片之前就把阱层厚度、In组分、EBL结构、侧壁钝化方案这些关键参数在电脑上先跑一遍。一次外延加流片的周期是两三个月，成本动辄几十万，而仿真模型一天能跑几十组参数组合，虽然不能完全替代实验，但起码能划出最优区域，大大减少实验迭代的盲目性。这个项目主要面向三类人：一是做Micro-LED器件物理研究的硕博生和科研人员，二是显示面板厂或LED芯片厂里负责器件设计的工程师，三是准备进入这个方向、想建立系统性认知的从业者。
值得提前说明的是，市面上并没有一个开箱即用的Micro-LED“一键仿真”工具，大家通常的做法是基于商业TCAD软件（如Silvaco、Crosslight APSYS）或自建数值模型做二次开发。我这个项目实际采用的技术路线是：以漂移-扩散模型和多量子阱复合动力学为核心，在商业化TCAD平台上建立完整的GaN基Micro-LED器件模型，再通过参数化扫描和优化算法，系统评估不同结构设计对量子效率、效率衰减和光提取效率的影响。这样做的好处是，模型的物理基础扎实，计算效率也可以接受，同时又避开了从零编写代码的工程复杂度。
从“高光效”这个目标来拆解，核心需求有三层：第一层是抑制俄歇复合和载流子泄漏，把内量子效率（IQE）拉上去；第二层是优化侧壁钝化和电流扩展，把尺寸缩小带来的非辐射复合损失压下来；第三层是设计合适的出光结构，把光提取效率（LEE）提上去。后面所有的工作，其实都是围绕这三层需求展开的。
2. GaN基Micro-LED的关键物理机制与仿真建模思路
2.1 效率衰减（Efficiency Droop）的物理根源
Micro-LED的IQE-电流密度曲线呈典型的“先升后降”形态，这就是所谓的efficiency droop现象。高光效设计的前提，是把droop的“拐点”尽量往后推，同时让峰值效率尽量抬高。仿真模型里要准确描述这个现象，就需要厘清背后的物理机制。
目前学术界对droop机制的主流共识是俄歇复合起主导作用，同时伴随载流子泄漏和相空间填充等效应。俄歇复合是三体过程——一个电子和一个空穴复合释放的能量不是以光子形式输出，而是传递给另一个载流子，让它跃迁到更高能态。这个过程对电流是“三阶依赖”（复合速率正比于载流子浓度三次方），所以在高注入条件下会迅速占据主导，把本该辐射复合的载流子“吃掉”。
在仿真模型里，这体现为ABC模型中的C系数。我实际用的是扩展ABC模型：
[ IQE = \frac{Bn^2}{An + Bn^2 + Cn^3 + f(n)} ]
其中A是SRH非辐射复合系数，B是双分子辐射复合系数，C是俄歇复合系数，f(n)是漏电修正项——这个修正项在Micro-LED里尤其重要，因为小尺寸器件的边缘泄漏路径占比更大。仿真时需要通过实验EQE曲线的拟合来确定这些参数的量级，不能直接从文献里抄，不同外延质量的样品差异太大了。
2.2 量子阱结构与载流子输运模型
GaN基Micro-LED的多量子阱（MQW）通常是InGaN/GaN体系，In组分决定了发光波长，阱层厚度影响量子限制能级。仿真模型里，电子和空穴的输运遵循漂移-扩散方程，但在量子阱区域要考虑量子限制效应带来的子带间跃迁和载流子捕获/逃逸过程。
这里有一个很关键的模型选择问题：是用类量子力学模型（如Schrödinger-Poisson自洽求解）还是简单的漂移-扩散模型？我的经验是，如果目标只是拟合EQE曲线和优化常规结构参数，漂移-扩散模型配合合适的复合模型就够了，求解速度快、稳定；但如果要研究载流子波函数重叠、极化场对能带的影响、载流子局域化这类更微观的问题，就必须上自洽求解。我实际的做法是两级折中——在TCAD平台里开启薛定谔方程耦合求解能带和波函数，但不做全量子动力学模拟，计算精度和效率都能接受。
InGaN/GaN量子阱还有个绕不开的问题：极化场。由于纤锌矿结构的GaN基材料存在强自发极化和压电极化，量子阱内部会形成内建电场，导致能带倾斜，电子和空穴波函数在空间上分离，辐射复合率下降。仿真模型中通过极化电荷模型来处理这个问题，在异质结界面预设固定电荷。这也是钢基LED仿真比砷化镓体系复杂的一个主要原因。
2.3 小尺寸效应：侧壁复合与电流拥挤
Micro-LED尺寸缩小到几十微米以下时，一个在常规LED仿真中完全不需要考虑的因素变得至关重要——侧壁复合。刻蚀暴露出来的悬挂键和损伤层会形成大量的缺陷态，作为非辐射复合中心。尺寸越小，侧壁面积占总体积的比例越大，效率损失就越严重。
仿真模型中常用表面复合速度（SRV）来表征侧壁复合强度，单位是cm/s，典型值在10^3到10^5 cm/s之间，具体取值取决于刻蚀工艺和钝化质量。这个参数对Micro-LED仿真结果的影响非常大，我在模型里通常把它作为可调参数，通过拟合不同尺寸器件（比如10μm、20μm、50μm、100μm）的实验效率数据来确定最优值。
电流拥挤效应也是小尺寸器件特有的问题。p型GaN的电导率远低于n型GaN，电流倾向于沿横向路径最短的方向流动，导致有源区电流密度分布不均匀。仿真中可以通过观察电流密度分布图直观判断是否存在严重的拥挤现象，常见的缓解手段包括增加电流阻挡层（CBL）、优化透明电极（ITO）的形状和厚度等。
3. 仿真模型构建与工具选型
3.1 工具对比与最终选型
做GaN基器件的TCAD仿真，业界和学术界常用的工具主要有三款：Silvaco TCAD、Crosslight APSYS和COMSOL Multiphysics。三者的定位和特点差异很大，我做了个简单的对比：
| 工具 | 优势 | 劣势 | 适用场景 |
|---|---|---|---|
| Silvaco TCAD | 半导体工艺和器件仿真的一体化平台，材料库完善，漂移-扩散模型稳定 | 对量子阱和极化效应的支持相对较弱，自定义物理模型难度大 | 常规半导体器件（MOSFET、HEMT、二极管）仿真 |
| Crosslight APSYS | 专门针对光电子器件优化，支持量子阱、极化效应、自热耦合 | 价格贵，学习曲线陡，网格生成不够灵活 | LED、激光器、光电探测器等光电器件仿真 |
| COMSOL Multiphysics | 多物理场强耦合，网格和几何建模灵活，可自定义偏微分方程 | 半导体模块的物理模型不如TCAD工具专业，载流子输运方程需要二次开发 | 研究与机理探索、多物理场耦合仿真 |
对于这个项目，我最终选择的是基于Crosslight APSYS做主体仿真，因为它的量子阱模块和极化效应模型是三个工具里最成熟的，Micro-LED的仿真场景几乎是量身定做。如果预算有限，可以考虑自建漂移-扩散求解器，用有限差分或有限体积法在Python或Matlab里实现泊松方程和电流连续性方程的自洽迭代，但工作量确实不小，而且深入研究量子尺寸效应时建模难度会急剧上升。
3.2 器件结构与网格设计
模型中的Micro-LED器件结构从上到下依次为：ITO透明电极、p-GaN层、p-AlGaN电子阻挡层（EBL）、InGaN/GaN多量子阱（阱层2.5nm，垒层10nm，6个周期）、n-GaN层、u-GaN缓冲层、蓝宝石衬底。台面尺寸设定为20μm×20μm，这是目前研究和应用中都比较有代表性的Micro-LED尺寸。
网格设计是仿真模型构建中最容易出问题的环节之一。量子阱区只有2.5nm厚，但这一层恰恰是载流子浓度、复合速率和能带变化最剧烈的位置，网格间距必须加密到0.2~0.5nm的量级。而衬底和缓冲层区域变化平缓，网格可以适当粗放一些，间距放到几十纳米都没有问题。如果全域都用细网格，计算量会爆炸；如果量子阱区网格太粗，根本算不出可信的结果。我的经验是，在整个量子阱区域以及二维仿真中的侧壁附近采用渐变网格，确保有源区至少有20层以上的网格点。
3.3 关键物理参数设定
参数设定是仿真模型研究中最“劝退”新手的环节，因为涉及的材料参数实在太多了。这里列出几个影响最大的参数及其设定逻辑：
- 量子阱In组分：目标波长设定为450nm蓝光，量子阱In组分X≈0.16~0.18。确定这个值的方法是先用量子阱模型计算出不同In组分对应的发光波长，再反推目标波长所需的组分。
- 俄歇复合系数C：初始值取1.0×10^-30 cm^6/s，这是InGaN材料体系中比较公认的量级，但具体到不同材料和生长条件会有差异，需要通过实验校准。
- SRH寿命：取20ns，初始值基于文献调研；实验拟合时再调整。这个参数直接决定了峰值效率的上限。
- 极化电荷密度：考虑到实际材料中位错和缺陷会部分屏蔽极化效应，在模型中将理论极化电荷的50%作为有效值，这是一个工程处理，理论值通常会高估内建电场的影响。
- 侧壁复合速度SRV：初始取1×10^4 cm/s，对应较好的侧壁钝化质量（如Al2O3钝化）。
这些参数之间相互耦合，光靠文献值拼凑出来的模型是不靠谱的。我的建议是建立“实验对照→参数校准→模型预测”的闭环流程，先用一批实验数据把关键参数标定好，再去做预测性仿真。
4. 完整实操流程与核心环节实现
4.1 建模与仿真全流程概览
整个仿真流程可以归纳为六个步骤，从无到有建立并验证一个Micro-LED仿真模型：
- 定义器件结构：设置材料、各层厚度、掺杂浓度和几何尺寸
- 生成网格：分区域设置网格精度，重点是量子阱区和侧壁区域
- 配置物理模型：选择载流子输运模型、复合模型、能带模型和极化模型
- 设定求解参数：偏压范围、步长、迭代收敛条件和数值方法
- 执行求解与后处理：电压扫描或电流扫描，提取EQE、IQE、能带图、载流子浓度分布和复合速率分布
- 参数校准与优化：对照实验数据调整关键参数，再基于校准后的模型做结构优化
整个流程在APSYS里的实际操作路线是：先用DeckBuild编写结构定义和仿真脚本，计算完成后用TonyPlot做后处理。如果涉及大量参数扫描，可以用底层脚本语言实现自动化循环，这比在GUI里手工跑效率高得多。
4.2 关键脚本逻辑与边界条件设置
实际仿真中，我用的结构定义脚本核心逻辑（以类似思路的PyTCAD风格为例）如下面的伪代码所示：
# 定义外延层结构 epi_stack = [ layer("u-GaN", thickness=2.0, doping=5e17, doping_type="n"), layer("n-GaN", thickness=2.5, doping=5e18, doping_type="n"), MQW(n_wells=6, well_thickness=2.5e-9, barrier_thickness=10e-9, well_In=0.16, barrier_In=0.0), layer("p-AlGaN", thickness=20e-9, doping=2e19, doping_type="p", Al=0.18), layer("p-GaN", thickness=150e-9, doping=5e19, doping_type="p"), layer("ITO", thickness=100e-9, doping=1e20, doping_type="n") ] # 边界条件 mesa_width = 20e-6 # 台面宽度20μm sidewall_SRV = 1e4 # 侧壁复合速度 anode_contact = ohmic_contact("ITO", workfunction=4.8) cathode_contact = ohmic_contact("n-GaN", workfunction=4.1) surface_recombination("sidewall", srv=sidewall_SRV)这里最值得提示的是：表面复合速度在APSYS里是通过定义缺陷能级和俘获截面来实现的，需要在侧壁区域设置一个缺陷薄层，等效为一个“体缺陷密度×薄层厚度”的二维缺陷带。我在初始建模时踩过坑——直接在边界条件里加了一个SVR值，结果发现器件尺寸效应完全没有呈现出来，后来才搞清楚是缺陷层的等效处理方式有问题。侧壁缺陷层等效厚度取5~10nm，缺陷能级设置在禁带中央附近，俘获截面取1×10^-15 cm^2左右比较合理。
4.3 偏压扫描与特征参数提取
仿真以电流扫描方式（而不是电压扫描）为主，因为Micro-LED是电流驱动器件，我们需要看的是EQE随电流密度的变化曲线。在20μm×20μm的器件上，电流从1mA扫描到50mA，对应电流密度从250A/cm²到12500A/cm²，基本覆盖了从低注入到强注入的整个工作范围。
求解完成后的数据提取包括：
- 能带图（导带能级、价带能级、准费米能级在阱区的分布），用于诊断载流子输运和泄漏路径
- 量子阱内的电子和空穴浓度分布，用于评估波函数重叠度和辐射复合效率
- 各复合路径的复合速率分布（SRH、辐射、俄歇），直接对应ABC模型项
- 电流密度分布图，用于检查电流拥挤和侧壁附近耗尽情况
- 外量子效率曲线，这才是最终要交的成绩单
第一次跑通模型时，我预期的外量子效率在30%左右，实际算出来只有8%——后来排查发现是p-GaN层的掺杂浓度设置有问题，5×10^19的掺杂导致载流子冻析效应被严重高估，电子阻挡层形同虚设，大量电子直接跨越EBL泄漏到了p区。把掺杂浓度调回5×10^18，并增加EBL层的Al组分后，EQE峰值立刻提升到了30%以上。这类参数敏感性分析，正是仿真模型相比实验的独特优势。
4.4 高光效结构优化方案对比
校准后的模型用于结构优化时，我重点扫描了以下参数组合：
- 量子阱In组分变化：0.14、0.16、0.18、0.20四组
- 阱层厚度：2.0nm、2.5nm、3.0nm三组
- EBL的Al组分：0.15、0.18、0.22三组
- 侧壁钝化质量（SRV）：1×10^3、5×10^3、1×10^4 cm/s三组
- ITO电流扩展层厚度：50nm、100nm、150nm三组
其中最有价值的发现是：当器件尺寸从100μm缩到10μm时，如果SRV是1×10^4 cm/s，峰值效率会下降超过40%；而把SRV降低到1×10^3 cm/s（对应原子层沉积AL₂O₃钝化层的高质量钝化），效率损失可以控制在15%以内。这从定量层面验证了侧壁钝化工艺对Micro-LED高光效设计的极端重要性。
仿真结果还表明，对于20μm尺寸的器件，最优EBL Al组分在0.18~0.20附近，过高反而会因为势垒太高导致空穴注入受阻；ITO厚度对效率的影响曲线呈单峰形状，100nm左右的出光率最优，太薄则电流扩展不均匀、太厚则光吸收损耗增大。
5. 常见问题、排查技巧与实操心得
5.1 收敛性问题的系统排查
仿真模型最常见的拦路虎是数值不收敛。尤其在量子阱区域网格很细且复合模型非线性较强的情况下，Newton迭代经常发散。我实际踩过的坑和解决方案如下：
- 电流跳跃发散：把偏压扫描步长改小，从0.1V降到0.02V，尤其在开启电压（通常2.8~3.2V）附近要加密步长
- 高注入下不收敛：开启阻尼因子和Bank-Rose算法，降低每一步的更新幅度，代价是计算时间增加
- 初始值不收敛：先用低偏压求解收敛作为高偏压的初始猜测，也就是让求解器有一个“爬坡”的过程，而不是直接怼大偏压
- 网格导致的振荡：检查量子阱区域网格是否足够细，以及阱垒界面处网格是否有突变，在界面处做渐变处理
排查收敛问题时的观察工具是残差曲线——残差曲线如果呈持续下降趋势，基本可以确定最终能收敛，只是时间问题；如果残差在某个值附近来回振荡，通常是网格或参数设置的问题，不要盲目增加迭代次数。
5.2 参数标定的“实验-仿真闭环”方法论
仿真模型最忌讳的是“纯仿真”自说自话——模型算出来的结果非常漂亮，但和真实实验数据对不上。我在这个项目中的方法是：建立至少5个不同尺寸（10/20/50/100/200μm）的Micro-LED实验样片，获得EQE-电流密度曲线作为标定基准，然后依次标定SRH寿命（低注入段拟合）、俄歇复合系数（高注入段拟合）、侧壁复合速度（不同尺寸的峰值效率差异拟合）、极化电荷因子（开启电压和峰值电流位置拟合）。
这个闭环流程走完一遍后，模型的预测能力会有质的提升。我后来尝试在未参与标定的30μm和150μm器件结构上做预测，仿真结果和实验数据吻合度在5%以内——到这个程度，模型才算真正“能用”。参数标定时要遵循“先全局后局部”的顺序，不要同时调两个参数去凑实验结果，否则会出现严重的过拟合。
5.3 模型维度选择的现实考量
Micro-LED仿真到底该用一维、二维还是三维模型？这个问题很多人会纠结。我的实战建议如下：
- 一维模型只能用于快速估算材料层面的IQE极限，完全无法描述侧壁复合和电流扩展等Micro-LED的核心问题
- 二维截面模型是效率与精度的最佳平衡点，平面结构可用对称性来简化，比如圆柱形Micro-LED可以退化为极坐标下的二维模型
- 全三维模型对计算资源的要求很高，只有需要分析电极形状优化、局部发光不均匀性、大阵列串扰时才值得使用
我做这个项目以二维模型为主，关键结构（比如ITO电极形状）再用三维模型验证几个关键点。这里有个重要提示：二维模型假设器件沿某一个方向无限长，如果台面尺寸远小于这个“无限长”方向的特征长度，等效面积的计算容易出错，提取电流密度时要小心校正。
5.4 高光效设计的三条核心经验
项目做完后，如果让我给“高光效GaN基Micro-LED”的仿真设计总结几条可复用的经验，我会说：
第一，侧壁钝化的优先级远高于其他优化手段。在10μm级别的器件上，一个高质量的侧壁钝化（SRV从10^4降到10^3）带来的效率提升，可能比优化三组量子阱结构参数加起来还要显著。仿真时一定要把这个参数建模准确。
第二，载流子泄漏比很多人以为的严重得多。单纯靠ABC模型拟合实验数据时，你会发现高注入区的拟合残差很大，这通常是漏电项的贡献。仿真模型中必须显式考虑EBL层的输运遮挡效果，单纯依赖ABC模型会对droop的根源产生误判。
第三，光提取效率（LEE）不能和内量子效率（IQE）分开优化。Micro-LED的“高光效”考验的是IQE和LEE的乘积。仿真和实验数据其实都需要将EQE测谱按外延片不同波长分别标定，然后再针对LED特有的倒装结构做表层光学仿真。我在项目中是先用TCAD算IQE，再结合FDTD光学仿真的LEE结果做综合评估，两个模型联动才能给出完整的高光效方案。
最后再分享一个小技巧：仿真模型建好后，建议把参数扫描的结果整理成一个响应曲面数据库。这样后续做多目标优化（比如同时兼顾发光波长、峰值效率和droop抑制比例）时，可以直接在数据库上做数值寻优，不用每次重新跑仿真。我在项目中用响应曲面法把关键参数组合的效率云图都画出来了，这些图无论是写论文还是做工艺对接，都是非常有说服力的支撑材料。
本文还有配套的精品资源，点击获取
