Masterarbeit - Quantitative Untersuchung der Versetzungsdichte in HVPE-GaN(m/w/x)

Ort: Erlangen Datum: 14.05.2025 # Masterarbeit - Quantitative Untersuchung der Versetzungsdichte in HVPE-GaN Die Arbeitsgruppe »Nitridmaterialien« beschäftigt sich im Rahmen von öffentlich geförderten Projekten und von direkten Industrieaufträgen mit der Herstellung und Charakterisierung von Nitridhalbleitermaterialien für elektronische und optoelektronische Anwendungen. Du möchtest Deine Fachkenntnisse in nutzbringende und sinnvolle Forschung umsetzen und deine Masterarbeit bei einem führenden Forschungsinstitut absolvieren? Dann haben wir hier ein interessantes Angebot für Dich! Wir bieten Dir die Möglichkeit einer Masterarbeit mit dem Thema **»Quantitative Untersuchung der Versetzungsdichte in HVPE-GaN mittels Röntgentopographie und defektselektivem Ätzen«**: Das Halbleitermaterial Galliumnitrid (GaN) spielt auf Grund seiner großen Bandlücke eine zunehmend wichtige Rolle als Basismaterial für leistungselektronische Bauelemente wie zum Beispiel Transistoren. Entscheidend für die Abscheidung dazu notwendiger, funktionaler Bauelementschichten ist ein qualitativ möglichst gutes GaN-Substrat, das heißt das Vorliegen einer möglichst geringen Dichte an Kristalldefekten wie beispielsweise Versetzungen. Im Rahmen dieser Masterarbeit wird das Verfahren der Röntgentopographie (XRT) auf seine Anwendbarkeit zur Charakterisierung der Versetzungsdichte von GaN untersucht, welches mit der HVPE-Methode (engl.: hydride vapor-phase epitaxy) hergestellt wurde. Dazu wird zunächst eine systematische Variation von Messparametern durchgeführt und deren Auswirkungen auf die Sichtbarkeit von Versetzungsstrukturen in den mittels XRT aufgenommenen Bildern evaluiert. Komplementäre Messungen werden verwendet, um eine lokale Bestimmung der expliziten Versetzungsdichte durchzuführen. Im direkten Vergleich wird geprüft, ob sich eine Kalibrierkurve erstellen lässt, welche es erlaubt, die Versetzungsdichte allein mittels XRT zu bestimmen. **Was Du bei uns tust** * Durchführung von röntgentopographischen (XRT) Messungen mit unterschiedlichen Abbildungsbedingungen * Untersuchung des Zusammenhangs von Messparametern mit der Sichtbarkeit von Versetzungsstrukturen in XRT-Topogrammen * Vergleich der gemessenen XRT-Topogramme mit den Ergebnissen komplementärer Messungen der lokalen Versetzungsdichte (z.B. Kathodolumineszenz, defektselektives Ätzen) und Evaluierung der Möglichkeit der Erstellung einer Kalibrierkurve * Umfassende und detaillierte Auswertung mittels programmatischen Ansatzes sowie regelmäßige Präsentation im Team **Was Du mitbringst** * Immatrikulierte\*r Student\*in in den Studiengängen Physik, Materialwissenschaften, Nanotechnologie, Geowissenschaften oder eines vergleichbaren MINT-Faches * Gute Kenntnisse in Python * Spaß an experimenteller Laborarbeit sowie Datenauswertung/-analyse * Grundkenntnisse in Halbleiterphysik und Röntgenbeugung * Selbstständige und sehr sorgfältige Arbeitsweise **Was Du erwarten kannst** * Wir bieten einen großen Einblick in spannende Forschungsprojekte * Vielseitige Aufgaben in der angewandten Forschung * Aktive Mitarbeit bei Forschungsprojekten * Gute Betreuung durch die wissenschaftlichen Mitarbeiter\*innen * Offenes und kollegiales Arbeitsumfeld Die Stelle ist auf die Dauer der Bearbeitungszeit befristet. Es wird keine Vergütung gezahlt. Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. **Fachliche Fragen zu dieser Stelle beantwortet Dir gerne:** Dr. Sven Besendörfer Telefon +49 9131 761-182 sven.besendoerfer@iisb.fraunhofer.de **Fragen zum Bewerbungsprozess beantwortet Dir gerne:** Nadja Ingarsia Telefon +49 9131 761-251 nadja.ingarsia@iisb.fraunhofer.de **Stellensegment:** Quantitative Analyst, Materials Science, Nanotechnology, Data, Science