MétaCan
Menu
Retour à la cohorte
Enregistrement W1990049102 · doi:10.1116/1.3478304

Direct-write electron beam lithography in silicon dioxide at low energy

2010· article· en· W1990049102 sur OpenAlexafffund
Arnaud Beaumont, Christian Dubuc, Jacques Beauvais, Dominique Drouin

Notice bibliographique

RevueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and Phenomena · 2010
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésElectron-beam lithographyMaterials scienceLithographySiliconSilicon dioxideElectronCathode rayFabricationHydrofluoric acidSilicon on insulatorMonte Carlo methodOptoelectronicsResistNanotechnologyComposite materialPhysicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

Electron beam lithography in silicon dioxide has been investigated with energies ranging from 0.5 up to 6 keV. The etch ratio of SiO2 has been studied and interpreted with regard to the limited penetration of electrons at such low energies. Monte Carlo simulations have been carried out to investigate the depth of penetration and the density of energy absorbed by SiO2. The etch ratio is also shown to depend on the dilution of the developer (a buffered hydrofluoric acid diluted in water). Finally, a possible application of low energy direct writing in silicon dioxide is described for the control of damascene processes, enabling the fabrication of nanodevices embedded in an insulator.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,006
Tête enseignante GPT0,231
Écart entre enseignants0,225 · 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.

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

Citations5
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and PhenomenaMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207