Параллельная реализация стохастической клеточно-автоматной модели рекомбинации электронов и дырок в 2D и 3D полупроводниках

Карл Карлович Сабельфельд, Анастасия Евгеньевна Киреева

Аннотация


В работе представлены стохастические клеточно-автоматные модели рекомбинации электронов и дырок в неоднородном полупроводнике для двумерного и трехмерного случаев. С помощью разработанных клеточно-автоматных моделей рекомбинации исследовано пространственно-временное распределение частиц, обнаружено и исследовано формирование макрокластеров электронов и дырок. В связи с тем, что интегральные характеристики процесса рекомбинации вычисляются с помощью осреднения по большому ансамблю начальных данных, для сокращения времени вычислений разработаны параллельные программы, реализующие клеточно-автоматные модели рекомбинации в двумерном и трехмерном случаях. Параллельная реализация программ позволила вычислить за приемлемое время интегральные характеристики процесса: плотности частиц и интенсивность фотолюминесценции, для большого числа различных начальных условий, а также изучить кинетику процесса рекомбинации при наличии центров рекомбинации и диффузии частиц в двумерном и трехмерном случаях.

 


Ключевые слова


рекомбинация электронов и дырок, полупроводник, фотолюминесценция, стохастический клеточный автомат, параллельная реализация

Полный текст:

PDF

Литература


Туркин А. Нитрид галлия как один из перспективных материалов в современной оптоэлектронике // Компоненты и технологии. 2011. No 5. С. 6--10.

Gorgis A., Flissikowski T., Brandt O., Cheze C., Geelhaar L., Riechert H., and Grahn H.T. Time-resolved photoluminescence spectroscopy of individual GaN nanowires // Physical review B. 2012. No. 86. 041302(R).

Sabelfeld K.K., Brandt O., Kaganer V.M. Stochastic model for the fluctuation-limited reaction-diffusion kinetics in inhomogeneous media based on the nonlinear Smoluchowski equations // J. Math. Chem. 2015. Vol. 53, Issue 2. P. 651--669.

Kolodko A.A. and Sabelfeld K.K. Stochastic Lagrangian model for spatially inhomogeneous Smoluchowski equation governing coagulating and diffusing particles // Monte Carlo Methods and Applications. 2001. Vol. 7, No. 3-4. P. 223--228.

Kolodko A., Sabelfeld K. and Wagner W. A stochastic method for solving Smoluchowski's coagulation equation // Mathematics and Computers in Simulation. 1999. Vol. 49, No 1-2. P. 57--79.

Sabelfeld K.K., Levykin A.I., Kireeva A.E // Stochastic simulation of fluctuation-induced reaction-diffusion kinetics governed by Smoluchowski equations, Monte Carlo Methods and Applications. 2015. Vol. 21, No 1. P. 33--48. (DOI:10.1515/mcma-2014-0012)

Toffoli T., Margolus N. Cellular Automata Machines: A New Environment for Modeling // USA: MIT Press, 1987. 259 p.

Бандман О.Л. Клеточно-автоматные модели пространственной динамики // Системная информатика. Методы и модели современного программирования. 2006. No 10, С. 59--113.

Bandman O.L. Mapping physical phenomena onto CA-models // AUTOMATA-2008. In: Adamatzky A., Alonso-Sanz R., Lawniczak A., Martinez G.J., Morita K., Worsch T. (eds.) Theory and Applications of Cellular Automata. Luniver Press, UK, 2008. P. 381--397.

Ермаков С.М., Михайлов Г.А. Статистическое моделирование. М.: ФИЗМАТЛИТ, 2-е изд., дополн., 1982. 296 с.




DOI: http://dx.doi.org/10.14529/cmse170106