MétaCan
Menu
Retour à la cohorte
Enregistrement W1978336733 · doi:10.5539/jmsr.v2n1p34

Effects of Annealing Temperature on Raman Scattering and Electrical Properties of Te-Doped Nanostructured Black Silicon

2012· article· en· W1978336733 sur OpenAlexvenueno aff
Yuanjie Su, Ting Zhang, Peng Zhang, Jing Jiang, Zhanfei Xiao, Shibin Li, Zhiming Wu, Yadong Jiang

Notice bibliographique

RevueJournal of Materials Science Research · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Laboratory of Electronic Thin Films and Integrated DevicesNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésMaterials scienceAnnealing (glass)SiliconBlack siliconRaman scatteringDopingRaman spectroscopyDopantAmorphous solidFull width at half maximumAmorphous siliconAnalytical Chemistry (journal)OptoelectronicsComposite materialCrystalline siliconOpticsCrystallographyChemistry

Résumé

récupéré en direct d'OpenAlex

In this paper, the influence of annealing temperature on Raman scattering and transport properties of Te-doped nanostructured black silicon has been studied. We prepared the black silicon samples by wet etching, i.e. alkaline etching and metal assisted etching. The nanopores on the surface of black silicon were produced by metal assisted etching. The black silicon samples were annealed at different temperature of 600oC, 700oC, and 800oC According to the Raman scattering results, the peak intensity of Si increases with the increase of annealing temperature. However, the full width at half maximum (FWHM) is inversely proportion to the annealing temperature. Thermal annealing removes the Raman peak of amorphous Si at 480 cm-1. In term of Te dopant atoms, the peak intensities of annealed samples are much lower than that of unannealed one. Subsequent Hall Effect measurement shows that annealing treatment improves electronic transport properties of Te-doped nanostructured black silicon.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,022
Score d'incertitude au seuil0,655

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,030
Tête enseignante GPT0,315
Écart entre enseignants0,285 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207