SDGsの分類
研究テーマ
ナノ・材料
学科の分類
教務部教育センター

熱刺激電流からのトラップの分布状態可視化による信号の分離解析 PCA統計処理を導入した新しい解析法

教務部

教育センター

物性評価技術研究室(教育センター)

吉田福蔵 准教授

電気・電子デバイス素子の改善・高性能化にあたり, 電気伝導に影響を与える材料内部の欠陥準位や空間電荷そして添加剤等を調べることは重要であり, 従来からの大きな課題である. 熱刺激電流(TSC)はまさに材料内部で電荷が移動する変位を高感度に計測できる.測定後の評価に, 従来の評価法の概念を超えた最新の解析法がある. つまりTSCスペクトルのトラップ状態可視化技術は, 一度の実験で得られたあらゆる形状のTSCスペクトルを, 全体にわたってトラップ状態を可視化することで, 正確な信号の分離から解析までを実現できる.

トラップ状態可視化技術

トラップ状態の可視化とは, TSCスペクトルを活性化エネルギーの温度分布に座標を変換して, それを可視化し, 単一緩和か否かをシンプルなフラット基準で判定する技術である. 複数の緩和過程が認められた場合, TSCスペクトルを同技術の分離システムに移行する.

高分子電子材料への適用

高分子電子材料の熱刺激電流(TSC)スペクトルを図1 に示す.PL-TSCは基準となる信号, 一方PC2-TSCとPC3-TSCは基準信号に対して, 添加剤や主剤を調整したサンプルである.TSCスペクトルの違いが確認でき,各サンプルの材料内部の変位の違いを高感度に検出している. 図2はトラップの分布状態の可視化技術をPC3-TSCに適用した結果である.図3は複数のサンプルで得られた活性化エネルギーEt (eV)と離脱周波数因子ν (1/s)の特性を示す.

PCA統計処理からの分析

PCA統計処理は, TSCスペクトルから多くの物性量が得られるトラップの分布状態の可視化技術と融合することで有効となる. 図４には3変数として, 活性化エネルギーEt (eV), TSCの最大値を示す温度Tm (K)そして離脱周波数因子ν (1/s)からの新しい目的変数AiとBiの特性を示す. Ai値とBi値が示す変化の違いが3変数からみた材料内部の変位の違いを反映している.

但し, Ai = a1Et1 + b1Tm1 + c1lnν1,  Bi = a2Et2 + b2Tm2 + c2lnν2, そしてa1, b1, c1, a2, b2, c2は負荷量である.

可視化技術の新規性・優位性

基本的にTSC実験は一度で済む. TSCスペクトルの分離プロセスは, 可視化技術からの複数のフラット基準を活用するので, 固有値の個数の仮定等, 初期設定は必要としない. 最終的にTSCスペクトルを復元しているので, 活性化エネルギーをはじめ, 離脱周波数因子, 電荷量, 移動度, ドリフト速度など多くの物性量の情報が得られる.

論文

「第10章　解析技術の展開ーTSCスペクトルの解析ー」(2016)吉田福蔵『「熱刺激電流を用いた材料・デバイス開発の最前線」シーエムシー出版』第10章p.199-218.

研究者INFO: 教務部 教育センター 物性評価技術研究室(教育センター) 吉田福蔵 准教授

研究シーズ・教員に対しての問合せや相談事項はこちら

技術相談申込フォーム