MétaCan
Menu
Retour à la cohorte
Enregistrement W1973982228 · doi:10.1149/1.3147271

Mesoporous Germanium Formation by Electrochemical Etching

2009· article· en· W1973982228 sur OpenAlexfundno aff
Elena Rojas, Heiko Plagwitz, Barbara Terheiden, Jlm Jan Hensen, C. Baur, G. La Roche, G. Strobl, Rolf Brendel

Notice bibliographique

RevueJournal of The Electrochemical Society · 2009
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Gender and HealthEuropean Space Agency
Mots-clésMaterials scienceEtching (microfabrication)Substrate (aquarium)DissolutionWaferLayer (electronics)GermaniumChemical engineeringAnodeElectrolyteMesoporous materialPorosityAnalytical Chemistry (journal)NanotechnologyComposite materialChemistryMetallurgyElectrodeSiliconChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Uniform thick mesoporous germanium layers are reproducibly formed on 4 in.p-type Ge wafers by electrochemical etching in highly concentrated HF electrolytes.Pore formation by anodic etching in germanium leads to a constant dissolution of the porous layer.The growth rate of the porous Ge layer is therefore given by the difference between the etch rate at the porous layer/substrate wafer interface and the dissolution rate at the electrolyte/porous layer interface.The growth rate lies in the range of 0.071-2.7 nm/min for etching current densities of 0.1-80 mA/cm 2 , while both the etch rate and the dissolution rate lie in the range of several micrometers per minute.We define the substrate usage as the ratio of the growth rate and the etch rate.This substrate usage determines the growth efficiency of the porous layer and lies in the range of 0.2-2%.Thus, the substrate wafer is thinned substantially during anodic porous layer formation.Constantly alternating from an anodic to a cathodic bias prevents the thinning of the substrate.The dissolution rate decreases, and the usage increases up to 98%.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,416

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,004
Tête enseignante GPT0,219
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207