MétaCan
Menu
Retour à la cohorte
Enregistrement W2033427769 · doi:10.1109/rtp.2007.4383815

Excimer Laser Annealing of Ion-Implanted Silicon: Dopant Activation, Diffusion and Defect Formation

2007· article· en· W2033427769 sur OpenAlexaff
Edouard V. Monakhov, B. G. Svensson, Antonino La Magna, Paola Alippi, M. Italia, V. Privitera, G. Fortunato, L. Mariucci, F. Tumisto, K. Kuitunen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon and Solar Cell Technologies
Établissements canadiensMitel (Canada)
Organismes subventionnairesnon disponible
Mots-clésDopantMaterials scienceAnnealing (glass)DopingDopant ActivationIon implantationSiliconExcimer laserOptoelectronicsRedistribution (election)Thermal diffusivityIonLaserOpticsComposite materialChemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

Minimization of dopant diffusion during electrical activation is a crucial issue in developing sub-50 nm silicon technology. Excimer laser annealing (ELA) in the melting regime is capable of meeting the requirements on shallow junctions in terms of depth, doping concentration and abruptness. However, in order to be successfully employed it has to be demonstrated that ELA can be integrated in a device processing flow. Especially, the compatibility of ELA with other high temperature processing steps such as rapid thermal annealing (RTA) needs to be addressed. In this contribution, we report on phenomena observed for B redistribution that occur during ELA in B-implanted Si and after subsequent RTA. Specific topics to be covered include (i) B build-up at the maximum melt depth during ELA, and (ii) B activation and diffusion beyond the ELA melt depth.

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 enseignants0,035
Score d'incertitude au seuil0,273

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 ouverte0,0000,000
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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSilicon and Solar Cell TechnologiesTravaux en français237 207