半导体材料(一)

本篇为西安交通大学本科课程《电气材料基础》的笔记。

本篇为这一单元的第一篇笔记,下一篇传送门。

半导体是导电能力介于均属导体和绝缘体之间的固体材料。

半导体基本特征

室温下其电阻数量级约为 1 0 − 6 ∼ 1 0 8 Ω ⋅ m 10^{-6}\sim10^{8}\mathrm{\Omega\cdot m} 106108Ωm,其电阻率强烈受到材料结构和惨咋状况以及周围环境,例如温度、电场、磁场、光照、压强、核辐射等的影响。从能带结构看,半导体和绝缘体相似,所有的价电子数恰好填满了价带,其价带和导带之间的禁带宽度比绝缘体要窄得多,一般在2~3eV之下。但是存在宽禁带半导体,其禁带宽度在3eV之上。

  • 电导率随温度的上升而呈现指数倍的上升,有负的温度系数,和金属导体的情况相反。
  • 电阻率强烈地受到杂质影响。当有外部光或者热的作用,半导体的电学特性也会发生显著变化。
  • 半导体有两种载流子:电子和空穴。电子带负电荷,空穴带正电荷,电量均为 1.6 × 1 0 − 19 C 1.6\times10^{-19}\mathrm{C} 1.6×1019C,区别于金属只有一种载流子。本征半导体:不含杂质缺陷的纯净半导体,电子和空穴浓度相等,不适宜做半导体器件。
  • 半导体和金属接触、不同导电类型的同一种半导体材料间接触(叫做p-n结)、导电类型相同或相反的异种半导体材料间接触(称为异质结),均能显示出非对称的导电特性(叫做整流特性)及非线性的电流电压关系(非欧姆性的导电特性)。
  • 半导体有着比金属大得多的温差电效应,半导体有光电效应、霍尔效应、磁阻效应、热磁效应、光磁电效应、压阻效应等。

本证半导体和掺杂半导体

半导体中的载流子

电子和空穴

掺杂原子的类型决定了主要载流子电荷是导带电子还是价带空穴。掺杂原子的引入改变了电子在有效能量状态上的分布,所以费米能级是杂质原子类型和浓度的函数。

掺杂原子和能级

掺杂杂质的半导体叫做杂质半导体或非本征半导体,加入的杂质可以释放电子,则是施主杂质或n型杂质。例如掺杂As元素,电子可以获得能量,激发到导带,可以增加导带电子,这时候的半导体称为n型半导体。

加入的杂质能接收电子从而产生空穴,则是受主杂质或p型杂质。例如掺杂B元素,该位置可以获得一个电子,其他价电子位置将变空,称为空穴,可以在价带中产生空穴,这时候的半导体称为p型半导体。

载流子浓度的状态分布

载流子的分布

载流子的浓度与状态密度函数和费米分布函数有关。热平衡状态下载流子的浓度是一个给定值。其导带电子分布可以写作:
n ( E ) = g c ( E ) f F ( E ) n(E)=g_c(E)f_F(E) n(E)=gc(E)fF(E)
其中, f F ( E ) = 1 1 + e E − E F k T f_F(E)=\frac{1}{1+e^{\frac{E-E_F}{kT}}} fF(E)=1+ekTEEF1是费米-狄拉克概率分布函数; E F E_F EF是费米能级;T是绝对温度;E是电子能量;k是玻尔兹曼常数; g c ( E ) g_c(E) gc(E)是导带中的状态密度函数,是导带中单元能量间隔可以被电子占据的状态数。

同样的道理可以求出价带中空穴的分布可以写作:
p ( E ) = g v ( E ) [ 1 − f F ( E ) ] p(E)=g_v(E)[1-f_F(E)] p(E)=gv(E)[1fF(E)]
其中, g v ( E ) g_v(E) gv(E)是价带中的状态密度函数。

把上面两个式子,在导带能量范围和价带能量范围内积分,可以得到导带上单位体积的总电子浓度、和价带中单位体积的总空穴浓度。

为了得到热平衡状态下电子和空穴的浓度,需要确定费米能级 E f E_f Ef的位置。对于本征半导体,绝对零度时,价带中所有量子态被电子填满,导带所有量子态没有被电子占据,所以费米能级是介于导带的底部能量 E c E_c Ec和价带的顶部能量 E v E_v Ev之间。当温度大于绝对零度时,价带电子获得热量,少量的电子可以跃迁到导带。一个电子从价带跃迁到导带的同时,价带会产生一个空量子态,也就是空穴。

因此可见,本征半导体中电子和空穴成对出现。如果 g c ( E ) g_c(E) gc(E) g v ( E ) g_v(E) gv(E)对称,那么就可以获得相等的电子和空穴的浓度,费米能级 E f E_f Ef位于禁带的中间。如果电子空穴精确的质量不相同,那么 g c ( E ) g_c(E) gc(E) g v ( E ) g_v(E) gv(E)不是准确的对称, E f E_f Ef会轻微的移动,以保持电子和空穴的浓度相同,所以 E f E_f Ef总是位于电子占据概率一半的能级处。

导带中 E ∼ E + d E E\sim E+\mathrm{d}E EE+dE范围内的电子状态密度是:
g c ( E ) d E = 4 π ( 2 m n h 2 ) 3 2 ( E − E c ) 1 2 d E g_c(E)\mathrm{d}E=4\pi\left(\frac{2m_n}{h^2}\right)^{\frac{3}{2}}(E-E_c)^{\frac{1}{2}}\mathrm{d}E gc(E)dE=4π(h22mn)23(EEc)21dE
其中, m n m_n mn是电子有效质量,h是普朗克常数, E c E_c Ec是导带的底部能量。

在室温附近, k T ≈ 0.025 e V , E − E F ≫ k T ⇒ e E − E F k T ≫ 1 kT\approx0.025\mathrm{eV},E-E_F\gg kT\Rightarrow e^{\frac{E-E_F}{kT}}\gg 1 kT0.025eV,EEFkTekTEEF1,所以可得近似 f ( E ) ≈ e − E − E F k T f(E)\approx e^{-\frac{E-E_F}{kT}} f(E)ekTEEF,这也叫做玻尔兹曼近似。令 N c N_c Nc为导带状态密度, N v N_v Nv为价带状态密度,那么热平衡电子的浓度就是:
n = ∫ E c ∞ g c ( E ) f F ( E ) d E = N c e − E c − E F k T n=\int_{E_c}^{\infin}g_c(E)f_F(E)\mathrm{d}E=N_ce^{-\frac{E_c-E_F}{kT}} n=Ecgc(E)fF(E)dE=NcekTEcEF

同理可得,价带中空穴的浓度是:
p = N v e − E F − E v k T p=N_ve^{-\frac{E_F-E_v}{kT}} p=NvekTEFEv

其中, N c = 2 ( 2 π m n k T h 2 ) 3 2 N_c=2\left(\frac{2\pi m_n kT}{h^2}\right)^{\frac{3}{2}} Nc=2(h22πmnkT)23 N v = 2 ( 2 π m p k T h 2 ) 3 2 N_v=2\left(\frac{2\pi m_p kT}{h^2}\right)^{\frac{3}{2}} Nv=2(h22πmpkT)23 m p m_p mp是空穴的有效质量。

对于本征半导体,存在电子浓度等于空穴浓度,即 n = p n=p n=p,则有:
n = N c e − E c − E F k T = N v e − E F − E v k T = p n=N_ce^{-\frac{E_c-E_F}{kT}}=N_ve^{-\frac{E_F-E_v}{kT}}=p n=NcekTEcEF=NvekTEFEv=p

可以得到费米能级 E f E_f Ef的位置:
E F i = 1 2 ( E c + E v ) + 1 2 k T ln ⁡ N v N c = 1 2 ( E c + E v ) + 3 4 k T ln ⁡ m p m n E_{Fi}=\frac{1}{2}(E_c+E_v)+\frac{1}{2}kT\ln\frac{N_v}{N_c}=\frac{1}{2}(E_c+E_v)+\frac{3}{4}kT\ln\frac{m_p}{m_n} EFi=21(Ec+Ev)+21kTlnNcNv=21(Ec+Ev)+43kTlnmnmp

如果电子质量等于空穴质量 m p = m n m_p=m_n mp=mn,那么费米能级 E f E_f Ef就处于禁带正中央;如果 m p > m n m_p>m_n mp>mn,那么 E f E_f Ef就稍高于禁带中央;如果 m p < m n m_p<m_n mp<mn,那么 E f E_f Ef就稍低于禁带中央。

本征费米能级 E F i E_{Fi} EFi将随着状态密度和有效质量的增大而移动,以保证电子和空穴的浓度相等,并且他们等于电子浓度 n i n_i ni。通常上式右边的第二项很小,可以忽略。可得电子和空穴的浓度:
n = p = n i = n p = N c N v e − E c − E v k t = N c N v e − E g 2 k t n=p=n_i=\sqrt{np}=\sqrt{N_cN_ve^{-\frac{E_c-E_v}{kt}}}=\sqrt{N_cN_v}e^{-\frac{E_g}{2kt}} n=p=ni=np =NcNvektEcEv =NcNv e2ktEg

上面使用了关系能带间隙 E g = E c − E v E_g=E_c-E_v Eg=EcEv,然后把 N c , N v N_c,N_v Nc,Nv带入上式,可得:

= 2 ( 2 π k T h 2 ) 3 2 ( m n m p ) 3 4 e − E g 2 k T =2\left(\frac{2\pi kT}{h^2}\right)^{\frac{3}{2}}(m_nm_p)^{\frac{3}{4}}e^{-\frac{E_g}{2kT}} =2(h22πkT)23(mnmp)43e2kTEg

温度发生变化, ( k T ) 3 2 (kT)^{\frac{3}{2}} (kT)23的变化很小,但是 e − E g 2 k T e^{-\frac{E_g}{2kT}} e2kTEg变化很大,可以认为n和p随着温度的升高以指数规律上升。

还可以得到一个式子,既适用于本征半导体,还适用于掺杂半导体:
n p = N c N v e − E c − E v k t = 4 ( 2 π k T h 2 ) 3 ( m n m p ) 3 2 e − E g k T = n i 2 np=N_cN_ve^{-\frac{E_c-E_v}{kt}}=4\left(\frac{2\pi kT}{h^2}\right)^{3}(m_nm_p)^{\frac{3}{2}}e^{-\frac{E_g}{kT}}=n^2_i np=NcNvektEcEv=4(h22πkT)3(mnmp)23ekTEg=ni2

本征半导体中定子和空穴的分布

其平衡状态,导带中电子浓度 n i n_i ni和价带中空穴浓度 p i p_i pi相同。因为相等,所以可以直接用 n i n_i ni来表示本征载流子浓度。有关系:

n i = n 0 = N c e − E c − E F i k T n i = p 0 = N v e − E F i − E v k T n_i=n_0=N_ce^{-\frac{E_c-E_{Fi}}{kT}}\\\\ n_i=p_0=N_ve^{-\frac{E_{Fi}-E_v}{kT}} ni=n0=NcekTEcEFini=p0=NvekTEFiEv

将上式相乘,可得:

n i 2 = n 0 p 0 = N c N v e − E c − E F i k T e − E F i − E v k T = N c N v e − E g k T n^2_i=n_0p_0=N_cN_ve^{-\frac{E_c-E_{Fi}}{kT}}e^{-\frac{E_{Fi}-E_v}{kT}}=N_cN_ve^{-\frac{E_g}{kT}} ni2=n0p0=NcNvekTEcEFiekTEFiEv=NcNvekTEg

对于给定的半导体材料,温度一定时,电子浓度 n i n_i ni为一定值,和本征费米能级 E F i E_{Fi} EFi无关

非本征半导体中电子和空穴的分布

掺杂会改变半导体中电子和空穴的分布,而费米能级和该分布函数有关,所以掺杂会改变费米能级。

  • 如果费米能级大于禁带中央的本征费米能级, E F > E F i E_{F}>E_{Fi} EF>EFi,那么说明电子浓度大于空穴浓度,是n型半导体,是施主掺杂;
  • 如果 E F < E F i E_{F}<E_{Fi} EF<EFi,那么说明空穴浓度大于电子浓度,是p型半导体,是受主掺杂。

热平衡下,电子浓度和空穴浓度一般表达式:
n 0 = N c e − E c − E F k T p 0 = N v e − E F − E v k T n_0=N_ce^{-\frac{E_c-E_{F}}{kT}}\\\\ p_0=N_ve^{-\frac{E_{F}-E_v}{kT}} n0=NcekTEcEFp0=NvekTEFEv

由于 E F E_{F} EF在指数的位置,所以其微小的变化也会导致电子浓度和空穴浓度发生很大的变化。

本征载流子浓度可以写作: n i = N c e − E c − E F i k T n_i=N_ce^{-\frac{E_c-E_{Fi}}{kT}} ni=NcekTEcEFi,因此可得:
n 0 = n i e E F − E F i k T p 0 = n i e − E F − E F i k T n_0=n_ie^{\frac{E_F-E_{Fi}}{kT}}\\\\ p_0=n_ie^{-\frac{E_F-E_{Fi}}{kT}} n0=niekTEFEFip0=niekTEFEFi

  • n型半导体: E F > E F i , n 0 > n i , p 0 < n i ⇒ n 0 > p 0 E_F>E_{Fi},n_0>n_i,p_0<n_i\Rightarrow n_0>p_0 EF>EFi,n0>ni,p0<nin0>p0
  • p型半导体: E F < E F i , p 0 > n i , n 0 < n i ⇒ n 0 < p 0 E_F<E_{Fi},p_0>n_i,n_0<n_i\Rightarrow n_0<p_0 EF<EFi,p0>ni,n0<nin0<p0

写出 n 0 , p 0 n_0,p_0 n0,p0的乘积:
n 0 p 0 = N c N v e − E g k T = n i 2 n_0p_0=N_cN_ve^{-\frac{E_g}{kT}}=n^2_i n0p0=NcNvekTEg=ni2

上式说明,在满足玻尔兹曼近似条件下、一定温度的热平衡条件下, n 0 , p 0 n_0,p_0 n0,p0的乘积为一个常数定值。这就是热平衡下半导体的一个基本公式。

电中性条件下的载流子浓度

半导体同一区域内同时存在施主原子和受主原子,叫做步长半导体。 N a N_a Na表示受主原子的浓度, N d N_d Nd表示施主原子的浓度。

  • N d > N a N_d>N_a Nd>Na,是n型补偿半导体。
  • N d < N a N_d<N_a Nd<Na,是p型补偿半导体。
  • N d = N a N_d=N_a Nd=Na,是完全补偿半导体,类似于本征半导体。

完全电离的情况下,补偿半导体的电中性条件是:
n 0 + N a = p 0 + N d n_0+N_a=p_0+N_d n0+Na=p0+Nd
即电子浓度加受主原子浓度等于空穴浓度加施主原子浓度。

带入 p 0 = n i 2 n 0 p_0=\frac{n^2_i}{n_0} p0=n0ni2这个恒成立等式,可以得到:
n 0 = N d − N a 2 + ( N d − N a 2 ) 2 + n i 2 n_0=\frac{N_d-N_a}{2}+\sqrt{\left(\frac{N_d-N_a}{2}\right)^2+n^2_i} n0=2NdNa+(2NdNa)2+ni2

对于本征半导体而言,有 N d = N a , n 0 = p 0 N_d=N_a,n_0=p_0 Nd=Na,n0=p0

当掺杂的施主原子增加,导带中的电子浓度会上升,并大于本征激发的载流子浓度,电子在有效能量状态中重新分布,一部分会进入价带,并占据空位和一部分本征激发的空穴相复合,使得少数载流子空穴的浓度大为下降。这个时候的电子浓度就不再等于施主原子浓度加本征电子浓度。

另外,因为本征载流子浓度 n i n_i ni强烈依赖于温度值T,所以当温度上升的时候,上式中的 n i 2 n^2_i ni2项会开始占据主导地位,半导体的本征特性加强,与此同时非本征特性减弱。

半导体电特性随温度而发生变化。当受热物体中的电子或空穴随着温度梯度从高温区域向低温区域转移的时候,电流就会产生,电荷会积累,这就叫做热电效应。一共有两种典型的半导体热电效应:

  • 半导体的塞贝克效应:两个不同的半导体两端相连,形成闭合回路,如果两个接电分别维持着不同的温度,那么两个接电之间就会产生电动势,让整个回路产生电流。这个电动势就是温差电动势或塞贝克电动势。
  • 佩尔捷效应:将两种不同的半导体连接起来,并通上电流,在其连接点处就会释放或者吸收热量。

费米能级随掺杂浓度和温度的变化

已知电子浓度的表达式 n 0 = N c e − E c − E F k T n_0=N_ce^{-\frac{E_c-E_{F}}{kT}} n0=NcekTEcEF,那么可以得到:
E c − E F = k T ln ⁡ N c n 0 E_c-E_{F}=kT\ln\frac{N_c}{n_0} EcEF=kTlnn0Nc

对于n型半导体,假设施主原子浓度远大于本征载流子浓度, N d ≫ n i N_d\gg n_i Ndni,那么有 n 0 ≈ N d n_0\approx N_d n0Nd,则上式可以化为:
E c − E F = k T ln ⁡ N c N d E_c-E_{F}=kT\ln\frac{N_c}{N_d} EcEF=kTlnNdNc

可见,随着施主浓度的上升,费米能级向着导带移动。如果是杂质补偿半导体,上式中的 N d N_d Nd则需要由净有效石柱浓度 N d − N a N_d-N_a NdNa来代替.

已知电子浓度的另一种表达式 n 0 = n i e E F − E F i k T n_0=n_ie^{\frac{E_F-E_{Fi}}{kT}} n0=niekTEFEFi,那么可以写出n型半导体满足的关系式:
E F − E F i = k T ln ⁡ n 0 n i E_F-E_{Fi}=kT\ln\frac{n_0}{n_i} EFEFi=kTlnnin0

那么可以从上式得到费米能级和本征费米能级之间的差与施主浓度的关系表达式。如果 n 0 = n i n_0=n_i n0=ni,那么 E F = E F i E_F=E_{Fi} EF=EFi

  • 随着掺杂水平上升,n型半导体的费米能级 E F E_F EF向着导带接近,而p型半导体的费米能级 E F E_F EF向着价带接近。
  • 随着温度的上升,本征激发载流子浓度 n i n_i ni上升, E F E_F EF越来越接近 E F i E_{Fi} EFi
  • 高温的时候,半导体的非本征特性转变为本征特性。
  • 低温的时候,玻尔兹曼近似不再有效,上述公式不再适用,这个时候n型半导体的 E F E_F EF处于杂质能级 E d E_d Ed之上,p型半导体的 E F E_F EF处于激发态能级 E a E_a Ea之下。
  • 在绝对零度的时候, E F E_F EF以下的所有能级全部被电子充满,而 E F E_F EF以上的所有能级全部为空。

下图就是费米能级和掺杂浓度的关系图:
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/546299.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

玩steam游戏提示缺少dll文件怎么办,总结5种解决方法

在尝试运行您所期待已久的Steam平台上的某款精彩游戏时&#xff0c;您可能遭遇了一个令人颇为困扰的问题&#xff1a;系统提示“Steam游戏缺少dll文件&#xff0c;游戏无法启动”。为了解决这个问题&#xff0c;我总结了以下五种解决方法&#xff0c;希望能帮助到遇到类似问题的…

用three.js做一个3D汉诺塔游戏(下)

本文由孟智强同学原创。 接上期&#xff1a;《用three.js做一个3D汉诺塔游戏&#xff08;上&#xff09;》 在上一期&#xff0c;我们成功地搭建了基础的 3D 场景。在本期中&#xff0c;我们将对场景进行优化&#xff0c;使其在视觉上更加真实&#xff0c;并为场景中的物体添加…

【数据结构】【C++】AVL树的模拟实现(插入、判断、旋转)

文章目录 1 概念2 实现2.1 AVL树结点的定义2.2 AVL树的插入2.2.1 AVL树的插入规则2.2.2 旋转2.2.2.1 左单旋2.2.2.2 右单旋2.2.2.3 左右双旋2.2.2.4 右左双旋 2.2.3 总结 3 平衡判断4 删除5 源码 1 概念 二叉搜索树虽可以缩短查找的效率&#xff0c;但如果数据有序或接近有序二…

论文速读:Do Generated Data Always Help Contrastive Learning?

在对比学习领域&#xff0c;最近很多研究利用高质量生成模型来提升对比学习 给定一个未标记的数据集&#xff0c;在其上训练一个生成模型来生成大量的合成样本&#xff0c;然后在真实数据和生成数据的组合上执行对比学习这种使用生成数据的最简单方式被称为“数据膨胀”这与数据…

案例三 BeautifulSoup之链家二手房

本案例用到列表&#xff0c;函数&#xff0c;字符串等知识点&#xff0c;知识点参考链接如下&#xff1a; python基础知识&#xff08;一&#xff09;&输入输出函数 python基础知识&#xff08;二&#xff09;&基本命令 python基础知识&#xff08;三&#xff09;&…

如何在Linux通过docker搭建Plik文件系统并实现无公网IP管理内网文件

文章目录 1. Docker部署Plik2. 本地访问Plik3. Linux安装Cpolar4. 配置Plik公网地址5. 远程访问Plik6. 固定Plik公网地址7. 固定地址访问Plik 本文介绍如何使用Linux docker方式快速安装Plik并且结合Cpolar内网穿透工具实现远程访问&#xff0c;实现随时随地在任意设备上传或者…

盒子模型+响应式布局 + 原型链与继承

盒子模型 是什么 css布局基础,规定了元素在页面上如何呈现,以及元素之间的空间关系 由content paddingbordermargin四部分组成 为什么 盒子模型分为 标准盒子模型: 元素的宽度与高度 只包括content IE盒子模型: 元素的宽度与高度 包括content,padding,border 在实际操作中…

Python实现时间序列ARIMA模型(附带超详细理论知识和完整代码实现)

文章目录 0 结果1 介绍2 建模2.1 预备知识2.1.1 ADF检验结果&#xff08;单位根检验统计量&#xff09;2.1.2 差分序列的白噪声检验&#xff08;这里使用Ljung-Box检验&#xff09;2.1.3 ARIMA模型&#xff08;差分整合移动平均自回归模型&#xff09;的三个参数:p&#xff0c;…

如何在横向渗透攻击中寻到一线生机

横向渗透&#xff0c;作为计算机网络中的一种攻击技术&#xff0c;展现出了攻击者如何巧妙地利用同一级别系统间的漏洞和弱点&#xff0c;扩大其网络访问权限。与纵向渗透不同&#xff0c;横向渗透不关注权限的垂直提升&#xff0c;而是更侧重于在同一层级内扩展影响力。 横向…

【教程】将Vue项目打包为exe项目的教程-我的第一个原生Vue项目

文章目录 前言项目介绍正文&#xff1a;Vue打包exe过程及注意事项1. &#xff08;重要&#xff09;进入我们自己的项目&#xff0c;修改公共路径为相对路径2. &#xff08;重要&#xff09;关于VueRouter的必要修改3. 前端打包4. 拉取electron-quick-start项目5. 修改配置文件6…

【Excel】使用VBA宏简单自定义Excel软件界面

改行做经济师学习Excel&#xff0c;偶有心得&#xff0c;摘录于此&#xff0c;备忘。 言简意赅&#xff0c;仅供自用。 1 实现效果 在Excel的左上角可添加按钮&#xff0c;该按钮的功能可由我们自己通过编写代码定义&#xff0c;能实现特定功能&#xff0c;并且在所有打开的…

Java算法之时间复杂度和空间复杂度的概念和计算

1. 算法效率 如何去衡量一个算法的好坏&#xff1f; 通常我们从时间效率和空间效率两个方面去分析算法的好坏。时间效率即时间复杂度&#xff0c;空间效率被称为空间复杂度。时间复杂度主要是衡量一个算法的运行速度&#xff0c;而空间复杂度主要衡量一个算法所需要的额外空间…

业务与数据的终极对决:如何让大数据成为企业的超能力?

在数字化转型的浪潮中&#xff0c;企业如同在茫茫数据海洋中航行的船只&#xff0c;而数据资产管理就是指引航向的罗盘。但是&#xff0c;当业务需求与数据脱节、数据孤岛林立、业务流程与数据流程不同步、以及业务增长带来的数据管理挑战成为阻碍&#xff0c;我们该如何突破重…

transformer上手(7)—— 快速分词器

1 快速分词器 Hugging Face 共提供了两种分分词器&#xff1a; 慢速分词器&#xff1a;Transformers 库自带&#xff0c;使用 Python 编写&#xff1b;快速分词器&#xff1a;Tokenizers 库提供&#xff0c;使用 Rust 编写。 特别地&#xff0c;快速分词器除了能进行编码和解…

单链表链表专题

1 链表的概念 概念&#xff1a;链表是⼀种物理存储结构上⾮连续、⾮顺序的存储结构&#xff0c;数据元素的逻辑顺序是通过链表中的指针链接次序实现的。 链表的结构跟⽕⻋⻋厢相似&#xff0c;淡季时⻋次的⻋厢会相应减少&#xff0c;旺季时⻋次的⻋厢会额外增加⼏节。只 需要…

Redis实现延迟任务的几种方案

&#x1f3f7;️个人主页&#xff1a;牵着猫散步的鼠鼠 &#x1f3f7;️系列专栏&#xff1a;Java全栈-专栏 &#x1f3f7;️个人学习笔记&#xff0c;若有缺误&#xff0c;欢迎评论区指正 目录 1.前言 2.Redis如何实现延迟任务&#xff1f; 3.代码实现 3.1. 过期键通知事…

技术速递|为 .NET iOS 和 .NET MAUI 应用程序添加 Apple 隐私清单支持

作者&#xff1a;Gerald Versluis 排版&#xff1a;Alan Wang Apple 正在推出一项隐私政策&#xff0c;将隐私清单文件包含在针对 App Store 上的 iOS、iPadOS 和 tvOS 平台的新应用程序和更新应用程序中。请注意&#xff0c;至少目前 macOS 应用程序被排除在外。 隐私清单文件…

这部经典之作,时隔六年迎来重磅升级!

&#x1f345; 作者简介&#xff1a;哪吒&#xff0c;CSDN2021博客之星亚军&#x1f3c6;、新星计划导师✌、博客专家&#x1f4aa; &#x1f345; 哪吒多年工作总结&#xff1a;Java学习路线总结&#xff0c;搬砖工逆袭Java架构师 &#x1f345; 技术交流&#xff1a;定期更新…

Niobe WiFi IoT开发板OpenHarmony内核编程开发——Semaphore

本示例将演示如何在Niobe WiFi IoT开发板上使用cmsis 2.0 接口进行信号量开发 Semaphore API分析 osThreadNew() osThreadId_t osThreadNew(osThreadFunc_t func, void *argument,const osThreadAttr_t *attr )描述&#xff1a; 函数osThreadNew通过将线程添加到活动线程列表…

TG-12F使用SDK对接阿里生活物联网平台

文章目录 前言一、注意二、准备1. 安装Ubuntu&#xff08;版本20.04 X64&#xff09;程序运行时库。按顺序逐条执行命令&#xff1a;2. 安装Ubuntu&#xff08;版本20.04 X64&#xff09;依赖软件包。按照顺序逐条执行命令&#xff1a;3. 安装Python依赖包。按照顺序逐条执行命…