کنفرانس مهندسی برق ایران

صفحه اصلی / بیست و نهمین کنفرانس مهندسی برق ایران

Effect of the Number of Quantum-Dot Layers on the Performance of the 1.3 µm InAs/GaAs VCSELs

نویسندگان :

Sara Alaei¹ Mahmood Seifouri² Saeed Olyaee³ Gholamreza Babaabbasi⁴

1- دانشگاه تربیت دبیر شهید رجایی 2- دانشگاه تربیت دبیر شهید رجایی 3- دانشگاه تربیت دبیر شهید رجایی 4- دانشگاه آزاد اسلامی واحد خرم‌آباد

کلمات کلیدی :

Vertical-cavity surface-emitting lasers (VCSELs), self-heating, 3-dB modulation bandwidth, quantum-dot

چکیده :

In this paper, we investigate the effect of the number of quantum-dot (QD) layers on the performance of the 1.3um QD-vertical-cavity surface-emitting lasers (QD-VCSELs). QD rate equations and thermal conduction equation is solved self-consistently to consider the effect of self-heating on the characteristics of the QD-VCSEL. Results demonstrate that a further increase in the number of QD layers leads to a decrease in self-heating of the laser which enhances the maximum achievable output power and 3-dB modulation bandwidth of the laser. It is also shown that with an increase in the number of QD layers, the roll-over of the optical power occurs at higher injection currents which leads to improve in the dynamic and static behavior of the laser.

لیست مقالات

لیست مقالات بایگانی شده

Design and Simulation of a Novel High Sensitive MEMS Microphone Based On a Spring-Supported Circular Diaphragm

Mehdi Pazhooh - Ebrahim Abbaspour-Sani

A Time-Based Analogue-to-Digital Converter for ECG Applications

Atiyeh Karimlou - Mohammad Yavari

بررسی یک روش معکوس برای استخراج ثابت دی الکتریک محلی با استفاده از میکروسکوپ نوری روبشی میدان نزدیک

علی اقراری - محمد نشاط

Analysis of the RCS of Luneburg Reflector in Bistatic Mode

Mohammad Amin Abdollahi - Gholamreza Moradi

کنترل وضعیت ماهواره با کنترل پیش‌بین اقتصادی مقاوم مبتنی بر تیوب با محاسبات کاهش یافته

مهیار مدنی اصفهانی - عارف آقاملائی - طالب عبدالهی - سعید شمقدری

Using Convolutional Neural Networks for Sudden Cardiac Death prediction

Sara Tavazo - Farideh Ebrahimi

Explainable AI-Driven Deep Learning Framework for Short-Term Net Load Forecasting

Sina Hossein Beigi Fard - ََAmir Hossein Baharvand - Amir Hossein Poursaeed - Meysam Doostizadeh

مقایسه‌گر پویا با قابلیت کار در شرایط زیر آستانه بر اساس منطق Pseudo-NMOS

سید سعید حسینی دولت آبادی - محسن جلالی

Kalman Filter Fusion Based on Interactive Multiple Model for Target Tracking in Wireless Sensor Networks

Zahra Zamani - Behrouz Safarinejadian

Fabrication, Simulation and Modeling of a T-Shaped Coaxial Stub Resonator

Abolfazl Ebrahimpour - Sepehr Sahab - Javad Shokri Seyyedi - Younes Sahranavard - Gholamreza Moradi

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2