ספקטרי פליטה ב-OghmaNanoספקטרי פליטה ב-OghmaNano
ספקטרום פליטה מתאר את אופן התפלגות האור הנפלט מחומר על פני אורכי גל שונים. חברת OghmaNano שומרת את הספקטרומים הללו כחלק ממסד הנתונים שלה, שם ניתן לבחון, לייבא או לעדכן אותם. בדף זה מוסבר מהו ספקטרום פליטה, כיצד הוא מאוחסן ומיובא, ולבסוף כיצד ליצור ספקטרום משוער באמצעות שפת התכנות Python כאשר נתוני מדידה אינם זמינים.ספקטרום פליטה מתאר את אופן התפלגות האור הנפלט מחומר על פני אורכי גל שונים. חברת OghmaNano שומרת את הספקטרומים הללו כחלק ממסד הנתונים שלה, שם ניתן לבחון, לייבא או לעדכן אותם. בדף זה מוסבר מהו ספקטרום פליטה, כיצד הוא מאוחסן ומיובא, ולבסוף כיצד ליצור ספקטרום משוער באמצעות שפת התכנות Python כאשר נתוני מדידה אינם זמינים.
1. מהו ספקטרום פליטה?1. מהו ספקטרום פליטה?
כאשר אלקטרונים וחורים משתלבים מחדש בתהליך פליטה קרינתית, נפלטות פוטונים בטווח של אנרגיות, ולא באורך גל מדויק אחד. ספקטרום הפליטה מתאר את עוצמת האור היחסית כתלות באורך הגל. הוא יכול לנבוע מניסוי, כגון פולומניסצנציה (PL) או אלקטרולומינסצנציה (EL), או ממודל תיאורטי. הספקטרום אינו זהה למקדם הבליעה או למקדם השבירה של החומר.כאשר אלקטרונים וחורים משתלבים מחדש בתהליך פליטה קרינתית, נפלטות פוטונים בטווח של אנרגיות, ולא באורך גל מדויק אחד. ספקטרום הפליטה מתאר את עוצמת האור היחסית כתלות באורך הגל. הוא יכול לנבוע מניסוי, כגון פולומניסצנציה (PL) או אלקטרולומינסצנציה (EL), או ממודל תיאורטי. הספקטרום אינו זהה למקדם הבליעה או למקדם השבירה של החומר.
הצורה הספקטרלית תלויה במבנה האלקטרוני של המוליך למחצה, בטמפרטורה, בהרכב, ובמכשיר ממשי גם בריכוז נושאי המטען ובאפקטים אופטיים. ספקטרום פליטה מנורמל מייצג את התפלגות האורך הגל היחסית, ולא את ההספק האופטי המוחלט או את יעילות ה-LED.הצורה הספקטרלית תלויה במבנה האלקטרוני של המוליך למחצה, בטמפרטורה, בהרכב, ובמכשיר ממשי גם בריכוז נושאי המטען ובאפקטים אופטיים. ספקטרום פליטה מנורמל מייצג את התפלגות האורך הגל היחסית, ולא את ההספק האופטי המוחלט או את יעילות ה-LED.
2. ספקטרי פליטה במסד הנתונים של החומרים2. ספקטרי פליטה במסד הנתונים של החומרים
לכל חומר יש תיקייה משלו במסד הנתונים של חומרי OghmaNano. כאשר נתוני פליטה זמינים, הם נשמרים בקובץ בשם emission.csv, לצד קבצים כגון alpha.csv ו-n.csv. לדוגמה, תיקיית חומר עשויה להכיל:לכל חומר יש תיקייה משלו במסד הנתונים של חומרי OghmaNano. כאשר נתוני פליטה זמינים, הם נשמרים בקובץ בשם emission.csv, לצד קבצים כגון alpha.csv ו-n.csv. לדוגמה, תיקיית חומר עשויה להכיל:
materials/
GaAs/
emission.csv
alpha.csv
n.csv
מאגר החומרים שבו משתמשות הסימולציות נמצא בתיקיית המשתמש, בנתיב oghma_local/materials. לתיאור מבנה התיקיות ופורמטי קבצי החומרים, ראו מאגר חומרים: חלק ג' – אופן אחסון החומרים. להקדמה בנושא ניווט ועריכת חומרים, ראו מאגר חומרים: חלק א'.מאגר החומרים שבו משתמשות הסימולציות נמצא בתיקיית המשתמש, בנתיב oghma_local/materials. לתיאור מבנה התיקיות ופורמטי קבצי החומרים, ראו מאגר חומרים: חלק ג' – אופן אחסון החומרים. להקדמה בנושא ניווט ועריכת חומרים, ראו מאגר חומרים: חלק א'.
קובץ מסוג emission.csv מכיל את אורך הגל במטרים ואת עוצמת הפליטה היחסית ביחידות שרירותיות. קבצים בפורמט OghmaNano מכילים גם כותרת מטא-נתונים; הערך של הכותרת y_len מציין את מספר נקודות הנתונים של אורך הגל ועוצמת הפליטה המופיעות לאחר מכן.קובץ מסוג emission.csv מכיל את אורך הגל במטרים ואת עוצמת הפליטה היחסית ביחידות שרירותיות. קבצים בפורמט OghmaNano מכילים גם כותרת מטא-נתונים; הערך של הכותרת y_len מציין את מספר נקודות הנתונים של אורך הגל ועוצמת הפליטה המופיעות לאחר מכן.
3. ייבוא ספקטרי פליטה שנמדדו3. ייבוא ספקטרי פליטה שנמדדו
במידה שקיימים נתונים שנמדדו של פוטולומיננסנציה (PL) או אלקטרולומיננסנציה (EL), עדיף להשתמש בהם במקום בספקטרום משוער, בתנאי שהמדידות מתאימות לחומר ולמכשיר המיועד. פתחו את החומר הרלוונטי במסד הנתונים של חומרים, בחרו בספקטרום הפליטה שלו, והשתמשו בפונקציית ייבוא הנתונים כדי לייבא את העקומה שנמדדה. התהליך הכללי לייבוא מערך נתונים בעל שני עמודות, בחירת יחידות אורך הגל ובדיקת הערכים שהומרו מתואר ב מסד הנתונים של חומרים: חלק א' – ייבוא נתונים.במידה שקיימים נתונים שנמדדו של פוטולומיננסנציה (PL) או אלקטרולומיננסנציה (EL), עדיף להשתמש בהם במקום בספקטרום משוער, בתנאי שהמדידות מתאימות לחומר ולמכשיר המיועד. פתחו את החומר הרלוונטי במסד הנתונים של חומרים, בחרו בספקטרום הפליטה שלו, והשתמשו בפונקציית ייבוא הנתונים כדי לייבא את העקומה שנמדדה. התהליך הכללי לייבוא מערך נתונים בעל שני עמודות, בחירת יחידות אורך הגל ובדיקת הערכים שהומרו מתואר ב מסד הנתונים של חומרים: חלק א' – ייבוא נתונים.
יחידות: הערכים השמורים של אורך הגל נמדדים במטרים, גם אם הגרף מוצג בננומטרים. השתמשו בעוצמה מנורמלת (יחידות שרירותיות) עבור נתוני צורה מייצגים של פליטה. בדקו את המטא-נתונים של הקובץ ואת מספר הנקודות לאחר ייבוא או יצירת ספקטרום.יחידות: הערכים השמורים של אורך הגל נמדדים במטרים, גם אם הגרף מוצג בננומטרים. השתמשו בעוצמה מנורמלת (יחידות שרירותיות) עבור נתוני צורה מייצגים של פליטה. בדקו את המטא-נתונים של הקובץ ואת מספר הנקודות לאחר ייבוא או יצירת ספקטרום.
4. הערכת ספקטרי פליטה כאשר נתוני מדידה אינם זמינים4. הערכת ספקטרי פליטה כאשר נתוני מדידה אינם זמינים
אם אין זמין ספקטרום מתאים שנמדד, ניתן להשתמש בסקריפט Python המופיע להלן כדי ליצור ספקטרום פליטה זמני ומנורמל של חומר מוליך למחצה. הסקריפט משתמש במודל תרמי פשוט של מעבר בין פסים עבור חומרים בעלי פער אנרגיה ישיר:אם אין זמין ספקטרום מתאים שנמדד, ניתן להשתמש בסקריפט Python המופיע להלן כדי ליצור ספקטרום פליטה זמני ומנורמל של חומר מוליך למחצה. הסקריפט משתמש במודל תרמי פשוט של מעבר בין פסים עבור חומרים בעלי פער אנרגיה ישיר:
\(S_E(E) \propto \sqrt{E-E_g}\,\exp[-(E-E_g)/(k_B T)]\), עבור \(E \geq E_g\).\(S_E(E) \propto \sqrt{E-E_g}\,\exp[-(E-E_g)/(k_B T)]\), עבור \(E \geq E_g\).
כאן \(E_g\) מציין את רוחב הפס האנרגטי ו-\(T\) מציין את הטמפרטורה. הסקריפט ממיר את פרופיל הפליטה בתחום האנרגיה המחושב לעוצמה ליחידת אורך גל, מנרמל את השיא שלו לערך של 1, וכותב את emission.csv באותו פורמט של מטא-נתונים ונתונים שבו משתמש OghmaNano. כברירת מחדל, הוא יוצר 2,036 נקודות של אורך גל ועוצמה בטמפרטורה של 300 קלווין.כאן \(E_g\) מציין את רוחב הפס האנרגטי ו-\(T\) מציין את הטמפרטורה. הסקריפט ממיר את פרופיל הפליטה בתחום האנרגיה המחושב לעוצמה ליחידת אורך גל, מנרמל את השיא שלו לערך של 1, וכותב את emission.csv באותו פורמט של מטא-נתונים ונתונים שבו משתמש OghmaNano. כברירת מחדל, הוא יוצר 2,036 נקודות של אורך גל ועוצמה בטמפרטורה של 300 קלווין.
הסקריפט המצורף יוצר תיקייה אחת עבור כל אחד מ-29 סוגי המוליכים למחצה השונים, כולל GaAs, AlGaAs, GaN, InGaN, InP ו-InGaAs. ערכי פער האנרגיה של החומר מייצגים ערכים התחלתיים אופייניים; עבור סגסוגות שתלויות בהרכב, הספקטרום שנוצר מייצג רק הרכב נומינלי אחד.הסקריפט המצורף יוצר תיקייה אחת עבור כל אחד מ-29 סוגי המוליכים למחצה השונים, כולל GaAs, AlGaAs, GaN, InGaN, InP ו-InGaAs. ערכי פער האנרגיה של החומר מייצגים ערכים התחלתיים אופייניים; עבור סגסוגות שתלויות בהרכב, הספקטרום שנוצר מייצג רק הרכב נומינלי אחד.
מתי זה מתאים? השתמשו בעקומות שנוצרו אלה כדוגמאות לפרופילי פליטה כלליים, במיוחד לצורך בדיקת תהליך הפליטה או עד שיהיו זמינים נתונים טובים יותר או חישוב המבוסס על מבנה הפסים. אין אלה ספקטרום שנמדד, ואין להציגם כחיזויים כמותיים של דיודה פולטת אור (LED) ספציפית.מתי זה מתאים? השתמשו בעקומות שנוצרו אלה כדוגמאות לפרופילי פליטה כלליים, במיוחד לצורך בדיקת תהליך הפליטה או עד שיהיו זמינים נתונים טובים יותר או חישוב המבוסס על מבנה הפסים. אין אלה ספקטרום שנמדד, ואין להציגם כחיזויים כמותיים של דיודה פולטת אור (LED) ספציפית.
המודל אינו כולל אפקט של כליאת קוונטים, הפרעות בסגסוגת, תכונות אקסִיטוֹניות, פליטה מנקודות פגם, מאמץ או צימוד אופטי. הוא אינו מתאים במיוחד למעברים בעלי פער אנרגיה עקיף, כולל המעבר ב-GaP: העקומה שהוא מייצר אינה מייצגת פליטה קונבנציונלית של נורת LED מבוססת GaP, אלא מעבר ישיר לדוגמה.המודל אינו כולל אפקט של כליאת קוונטים, הפרעות בסגסוגת, תכונות אקסִיטוֹניות, פליטה מנקודות פגם, מאמץ או צימוד אופטי. הוא אינו מתאים במיוחד למעברים בעלי פער אנרגיה עקיף, כולל המעבר ב-GaP: העקומה שהוא מייצר אינה מייצגת פליטה קונבנציונלית של נורת LED מבוססת GaP, אלא מעבר ישיר לדוגמה.
5. דוגמה: יצירת ספקטרי פליטה באמצעות Python.5. דוגמה: יצירת ספקטרי פליטה באמצעות Python.
שמרו את הקוד הבא בשם generate_emission_spectra.py והריצו אותו:שמרו את הקוד הבא בשם generate_emission_spectra.py והריצו אותו:
python3 generate_emission_spectra.py
תיקיית הפלט המוגדרת כברירת מחדל היא emission_generated. כדי לבחור תיקייה אחרת או לשנות את מספר הנקודות:תיקיית הפלט המוגדרת כברירת מחדל היא emission_generated. כדי לבחור תיקייה אחרת או לשנות את מספר הנקודות:
python3 generate_emission_spectra.py --output my_emission_database --points 2036
כדי לשנות את טמפרטורת העבודה או להגדיר ערכי פער האנרגיה בעצמכם:כדי לשנות את טמפרטורת העבודה או להגדיר ערכי פער האנרגיה בעצמכם:
python3 generate_emission_spectra.py --temperature 300 --bandgap-file bandgaps.json
דוגמה לקובץ מסוג bandgaps.json היא:דוגמה לקובץ מסוג bandgaps.json היא:
{
"GaAs": 1.424,
"AlGaAs": 1.80,
"InGaN": 2.75
}
בדקו את הספקטרום המתקבל לפני שמכניסים את קבצי ה-emission.csv המתאימים לתיקיות החומרים המתאימות. רווחי האנרגיה בסקריפט זה מוגדרים באופן ידני כערכים מייצגים; הסקריפט אינו משתמש בסקריפטים של Lua כדי לחשב אותם.בדקו את הספקטרום המתקבל לפני שמכניסים את קבצי ה-emission.csv המתאימים לתיקיות החומרים המתאימות. רווחי האנרגיה בסקריפט זה מוגדרים באופן ידני כערכים מייצגים; הסקריפט אינו משתמש בסקריפטים של Lua כדי לחשב אותם.
6. קוד מקור מלא בשפת Python.6. קוד מקור מלא בשפת Python.
להלן הקוד המלא של התוכנה, המשתמש אך ורק בספריות הסטנדרטיות של Python. העתיקו את הקוד לקובץ Python מקומי כדי להשתמש בו.להלן הקוד המלא של התוכנה, המשתמש אך ורק בספריות הסטנדרטיות של Python. העתיקו את הקוד לקובץ Python מקומי כדי להשתמש בו.
הצג את מחולל הספקטרום הפולט של Python במלואו.הצג את מחולל הספקטרום הפולט של Python במלואו.
#!/usr/bin/env python3
"""Generate illustrative bulk band-edge emission.csv files for OghmaNano.
No external Python dependencies. Each directory contains a 2036-point
OghmaNano-format emission.csv. Spectra are normalised per wavelength and
are NOT measured or k.p-calculated spectra. Alloy bandgaps below represent
one nominal composition only; edit MATERIALS or use --bandgap-file.
"""
import argparse
import json
import math
from pathlib import Path
# Representative, approximate 300 K bulk DIRECT-transition gaps (eV).
# NOT universal values for alloys. Entries such as AlInP and AlInAs may be
# indirect at common compositions: their curves are illustrative ONLY.
# One directory per unique material; InSb was duplicated in the supplied list.
MATERIALS = {
"InP": (1.344, "InP/InP.lua"),
"GaP": (2.78, "GaP/GaP.lua"), # direct transition; GaP fundamental gap is indirect!
"AlGaInP": (2.05, "AlGaInP.lua"),
"GaAs": (1.424, "GaAs/GaAs.lua"),
"AlInP": (2.35, "AlInP.lua"), # illustrative; verify direct-gap composition
"InSb": (0.17, "InSb/InSb.lua"),
"GaSb": (0.726, "GaSb/GaSb.lua"),
"CdS": (2.42, "CdS/CdS.lua"),
"GaN": (3.40, "GaN/GaN.lua"),
"AlN": (6.03, "AlN.lua"),
"ZnS": (3.68, "ZnS.lua"),
"InAs": (0.354, "InAs/InAs.lua"),
"AlGaAs": (1.80, "AlGaAs/AlGaAs.lua"), # nominal Al x~0.3
"InAsP": (0.95, "InAsP.lua"),
"InGaAsP": (0.80, "InGaAsP.lua"),
"AlInAs": (1.45, "AlInAs.lua"), # composition-dependent and possibly indirect
"GaAsP": (1.90, "GaAsP.lua"),
"InGaAs": (0.75, "InGaAs/InGaAs.lua"), # nominal In0.53Ga0.47As
"ZnTe": (2.26, "ZnTe.lua"),
"InGaN": (2.75, "InGaN.lua"),
"GaInNAs": (0.95, "GaInNAs.lua"),
"InGaP": (1.90, "InGaP.lua"),
"GaInAs": (0.75, "GaInAs.lua"),
"InN": (0.69, "InN.lua"),
"AlGaN": (4.43, "AlGaN.lua"),
"AlGaInAs": (0.80, "AlGaInAs.lua"),
"CdSe": (1.74, "CdSe.lua"),
"ZnSe": (2.70, "ZnSe.lua"),
"CdTe": (1.50, "CdTe/CdTe.lua"),
}
HC_EV_NM = 1239.8419843320026
KB_EV_K = 8.617333262145e-5
def make_spectrum(eg, temp, points):
"""3D nondegenerate direct-gap model, intensity per unit wavelength.
S_E(E) ~ sqrt(E-Eg)*exp(-(E-Eg)/kT), E>=Eg.
Convert using dE/dlambda ~ 1/lambda**2, then peak-normalise.
Span covers Eg to Eg + max(0.35 eV, 12 kT); wavelength increases.
"""
kt = KB_EV_K * temp
upper = eg + max(0.35, 12.0 * kt)
lo_nm = HC_EV_NM / upper
hi_nm = HC_EV_NM / eg
values = []
for i in range(points):
wavelength_nm = lo_nm + (hi_nm - lo_nm) * i / (points - 1)
e = HC_EV_NM / wavelength_nm
de = max(0.0, e - eg)
intensity = math.sqrt(de) * math.exp(-de / kt) / (wavelength_nm * wavelength_nm)
values.append((wavelength_nm * 1e-9, intensity))
top = max(v for _, v in values)
return [(lam, value / top) for lam, value in values]
def generate(out, material, eg, lua_path, temp, points):
folder = out / material
folder.mkdir(parents=True, exist_ok=True)
metadata = {
"title": "Illustrative band-edge emission of " + material,
"type": "xy",
"y_label": "Wavelength",
"data_label": "Intensity",
"y_units": "nm",
"y_mul": 1e9,
"data_units": "au",
"icon": "spectra_file",
"time ": 0.0,
"Vexternal": 0.0,
"x_len": 1,
"y_len": points,
"z_len": 1,
"cols": "yd",
}
values = make_spectrum(eg, temp, points)
path = folder / "emission.csv"
with path.open("w", encoding="utf-8", newline="\n") as f:
f.write("#oghma_csv " + json.dumps(metadata, ensure_ascii=False, separators=(",", ":")) + "*\n")
for lam, value in values:
f.write(f"{lam:.12e}\t{value:.12e}\n")
return path
def main():
parser = argparse.ArgumentParser(description=__doc__)
parser.add_argument("--output", type=Path, default=Path("emission_generated"))
parser.add_argument("--points", type=int, default=2036)
parser.add_argument("--temperature", type=float, default=300.0)
parser.add_argument("--bandgap-file", type=Path,
help='Optional JSON map e.g. {"GaAs":1.424,"AlGaAs":1.80} to override nominal gaps')
args = parser.parse_args()
if args.points < 3 or args.temperature <= 0:
parser.error("--points must be >=3 and --temperature must be positive")
gap_overrides = {}
if args.bandgap_file:
gap_overrides = json.loads(args.bandgap_file.read_text(encoding="utf-8"))
unknown = set(gap_overrides) - set(MATERIALS)
if unknown:
parser.error("Unknown material(s): " + ", ".join(sorted(unknown)))
args.output.mkdir(parents=True, exist_ok=True)
for material, (nominal_eg, lua_path) in MATERIALS.items():
eg = float(gap_overrides.get(material, nominal_eg))
if not math.isfinite(eg) or eg <= 0:
parser.error(f"Invalid bandgap for {material}: {eg}")
path = generate(args.output, material, eg, lua_path, args.temperature, args.points)
print(f"{path} Eg={eg:g} eV (source: {lua_path})")
print(f"Generated {len(MATERIALS)} unique material directories with {args.points} points each.")
print("CAUTION: nominal/illustrative bulk direct-transition profiles; validate alloy composition and gap type.")
if __name__ == "__main__":
main()
הערה: ספקטרי הפליטה המופקים הם פתרון זמני בלבד. לצורך סימולציות כמותיות של התקנים, מומלץ להשתמש בנתוני פליטה שנמדדו או בספקטרום שחושב באמצעות מודל מתאים של מבנה הפסים האלקטרוני ומודל מעברי האופטיקה, כגון חישוב המבוסס על מודל k·p.הערה: ספקטרי הפליטה המופקים הם פתרון זמני בלבד. לצורך סימולציות כמותיות של התקנים, מומלץ להשתמש בנתוני פליטה שנמדדו או בספקטרום שחושב באמצעות מודל מתאים של מבנה הפסים האלקטרוני ומודל מעברי האופטיקה, כגון חישוב המבוסס על מודל k·p.